摘要

从单目RGB图像中估计三维姿态和形状（以网格形式）是一项具有挑战性的任务。显然，这比仅以骨架或热图形式估计三维姿态更为困难。当涉及交互的人物时，由于人物之间的遮挡引入的不确定性，三维网格重建变得更加复杂。为了解决这些挑战，我们提出了一种由粗到精的流水线方法，该方法受益于1）抗遮挡的三维骨架估计中的逆运动学技术和2）基于Transformer的关系感知细化技术。在我们的流水线中，首先从RGB图像中获取多个抗遮挡的三维骨架。然后，应用逆运动学将估计的骨架转换为可变形的三维网格参数。最后，应用基于Transformer的网格细化技术，考虑三维网格内部和人物之间的关系来优化获得的网格参数。通过广泛的实验，我们证明了该方法的有效性，并在3DPW、MuPoTS和AGORA数据集上超越了现有最先进的方法。