We present a new method, called MEsh TRansfOrmer (METRO), to reconstruct 3D human pose and mesh vertices from a single image. Our method uses a transformer encoder to jointly model vertex-vertex and vertex-joint interactions, and outputs 3D joint coordinates and mesh vertices simultaneously. Compared to existing techniques that regress pose and shape parameters, METRO does not rely on any parametric mesh models like SMPL, thus it can be easily extended to other objects such as hands. We further

UE4小白人标准T-Pose动画，通过Mixamo导出，可以用于方便地在UE4中修改官方小白人模型的姿势。具体用法见本人文章。

Deep Learning-Based Human Pose Estimation A Survey综述

pose_iter_160000 pose_iter_400000

Athlete-Pose-Detection-using-openCV-and-deep-learning-master

Deep Learning-Based Human Pose Estimation A Survey综述xmind版

用知云文献翻译加上自己的一些理解翻译的Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields这篇论文

TensorFlow_Lite_Pose_Jetson-Nano 在Jetson Nano上运行的TensorFlow Lite Posenet 在Jetson Nano上的TensorFlow Lite Posenet的快速C ++实现。 一旦超频至2015 MHz，该应用程序将以15.2 FPS的速度运行。 基准。 CPU 2015兆赫 GPU 2015 MHz CPU 1479兆赫 GPU 1479 MHZ RPi 4 64os 1950 MHz 15.2帧/秒 11.8帧/秒 12 FPS 11 FPS 9.4帧/秒 专为Jetson Nano设计的产品，请参阅 依赖关系。 要运行该应用程序，您必须： 已安装TensorFlow Lite框架。 安装了可选的OpenCV。 代码：：已安装块。 （ $ sudo apt-get install codebloc

人体姿态估计代码

用于重定向的T-Pose版UE4 Mannequin，使用方法见： 《虚幻引擎图文笔记：重定向小技巧 之 使用T-Pose Mannequin》 https://orzgame.blog.csdn.net/article/details/111466662