本文介绍了一种从 4 个同时监控相机录制的视频中重建马的 3D 姿势的管道，该管道包括训练 2D 无标记姿势估计模型，然后将其应用于视频并执行三角测量。通过数值评估结果（误差分析），以及展示所实现姿势在所选行为预测的下游任务中的实用性，本文证明了模型的准确性。而对于马的预测模型的分析显示出对于疼痛诱发马存在偏见，这与我们对于疼痛和健康主体行为变化的理解是一致的。

Jun, 2023

该论文介绍了一种基于 SMAL 模型的马运动模型分析方法，利用该方法实现了对马拉姆斯疾病的检测，并通过与 mocap 点训练的同一网络比较证明了其效果优越性。

Jun, 2021

本文提出了一种基于 2D 口型视频和 3D 面部重构方法训练的 3D 面部动画模型，该模型具有良好的泛化能力和包括口型同步在内的高保真度，能够捕捉不同个体的讲话风格并输出个性化的 3D 说话头像，经实验证明其优越性。

Jun, 2023

MagicPony 是一种新的方法来从野外单视图图像中学习预测一个关节动物（如马）的 3D 形状、关节、视点、纹理和照明，它将神经场和网格的优势结合在一起，通过蒸馏自监督的 Transformer，并使用新的视点采样方案，为视角估计提供协助，实现了重构艺术的优秀泛化能力。

Nov, 2022

该论文提出了一种利用未标记的音频 - 视觉数据进行物体定位的系统，使用自监督方法来实现跨模态的语音定位，其在声学车辆跟踪数据集上表现卓越并可用于光照条件不佳的车辆视觉定位。

Oct, 2019

系统通过机器学习前端预测 2D 关节位置，离散优化获得关节对应关系，并通过能量最小化配合 3D 模型恢复出广泛种类的四足动物的 3D 形状与运动，该系统在动物视频测试中展现出精准重建的能力。

Nov, 2018

该研究提出了一种基于多模态的方法来实现从单目视频中进行 4D 人脸重建，并使用 AVFace 技术准确地重构任何人的面部和唇部运动，而无需任何 3D 地面真实测试。

Apr, 2023

通过观察人类运动的视觉序列，我们可以轻松猜测人在过去和未来的 3D 运动。我们提出了一个可以学习人类 3D 动力学表示的框架，通过简单而有效的图像特征时间编码。在测试过程中，学习到的时空表示能够预测具有平稳性的 3D 网格。我们的模型可以从单个图像中恢复当前的 3D 网格以及它未来和过去的 3D 运动，同时也可以通过半监督学习从带有 2D 姿态标注的自然视频中学习。我们通过对来自互联网海量未标记数据的模型训练，通过已有的 2D 姿态检测器得到伪基础真值 2D 姿态，证明了我们的模型可以自举学习并在三维动作预测任务中获得最新的性能。

Dec, 2018

提出了 Animal3D 数据集，为哺乳动物的 3D 姿态和形状估计提供了全面的数据集，实验证明跨物种的动物 3D 形状和姿态的预测仍然是一项非常具有挑战性的任务，合成预训练是提高模型性能的一种可行策略。

Aug, 2023

我们提出了一种从单目视频中构建可动画的狗头像的方法，通过解决动物的姿态变化和外观问题，提高了基于模板的形状拟合的质量。我们的方法在 CoP3D 和 APTv2 数据集上展示了优异的结果。

Mar, 2024