smpl

EasyMocap是由浙江大学构建的开源工具箱，能够从常规RGB视频中估计3D人体姿态，被HumanNeRF等研究项目使用，但由于SMPL身体模型，存在许可考虑。

提出StudioRecon，一种从低重叠相机拍摄中进行4D人体-场景重建的方法，使用背景（视频扩散）和人体（SMPL）的独立先验，并带有递归增强模块。已被SIGGRAPH 2026接收，在PSNR上超越先前方法+1.5至+5.0 dB。

PoseShield 在 SMPL 姿态空间中引入神经碰撞约束，用于解决人体姿态估计中的自碰撞问题，在新基准上实现了 95.8% 的成功率。