TRAM: Global Trajectory and Motion of 3D Humans from in-the-wild Videos

我们提出了TRAM，一种用于从野外视频中重建人类全局轨迹和运动的两阶段方法。TRAM通过强化SLAM来恢复相机运动，以应对动态人类的存在，并使用场景背景来推导运动比例尺。利用恢复的相机作为度量尺度参考框架，我们引入了视频变换模型（VIMO）来回归人体的运动学运动。通过组合这两个运动，我们实现了对世界空间中3D人类的准确恢复，将全局运动误差从之前的工作中减少了60％。

该论文旨在解决从野外视频中重建人类全局轨迹和运动的问题，尤其是在存在动态人类的情况下。

该论文提出了TRAM方法，通过强化SLAM以恢复相机运动并利用场景背景推导运动尺度，然后使用恢复的相机作为度量尺度参考帧，引入视频转换模型（VIMO）来回归人类的运动。通过组合这两个运动，实现了准确恢复世界空间中3D人类的目标，相比之前的工作将全局运动误差降低了60%。

该论文的亮点包括TRAM方法的提出、VIMO模型的引入以及实验结果的表现。论文使用了多个数据集进行实验，并且已经开源了代码。该论文的工作值得进一步深入研究。

在这个领域中，还有一些相关的研究，例如：《3D人体姿态估计：从单目图像到多模态数据》、《基于深度学习的人体姿势估计方法综述》等。