摘要

我们提出了一种重建人体并实现长时间跟踪的方法。在该方法的核心，我们设计了一种完全“Transformer化”的人体网格恢复网络。该网络名为HMR 2.0，显著提升了当前技术水平，展现出从单张图像中分析异常姿态的能力，而这类姿态在过去一直难以准确重建。为处理视频数据，我们以HMR 2.0生成的三维重建结果作为输入，驱动一个在三维空间中运行的跟踪系统。该设计使我们能够有效应对多人场景，并在遮挡事件中保持个体身份的一致性。我们提出的完整方法——4DHumans，在单目视频中对人体跟踪任务上取得了当前最优的性能。此外，我们还验证了HMR 2.0在下游任务动作识别中的有效性，相较于以往基于姿态的动作识别方法，实现了显著的性能提升。相关代码与模型已开源，可在项目主页获取：https://shubham-goel.github.io/4dhumans/。