DETRAM：人体网格的端到端检测、跟踪与恢复
计算机视觉与模式识别
2026-07-10 v1
摘要
在人体网格恢复（HMR）任务中，多人物场景由于出现的实体众多以及它们之间的遮挡而特别难以处理。特别是对于视频输入，需要可靠且一致地跟踪每个实体。现有方法依赖预训练的人体检测模块，这增加了运行时间并限制了可跟踪实体的数量。我们提出了DETRAM，一个用于多人物HMR和跟踪的统一框架，它可以同时自动地以及通过用户提示来检测、重建和跟踪跨时间的人体。DETRAM使用一个单一的Transformer解码器，带有一组跨帧持续存在的身份一致的可学习查询嵌入：检测查询发现新人物，跟踪查询维护现有个体的姿态和形状，提示查询跟踪用户指定的身份。我们的方法在PoseTrack21、3DPW、BEDLAM和MuPoTS-3D上取得了最先进的跟踪结果，在BEDLAM和3DPW上取得了有竞争力的重建精度，同时独特地支持多人物场景中基于提示的个体跟踪。据我们所知，这是第一个在端到端可训练框架中统一可提示性和多人物HMR与跟踪的方法，实现了视频中用户引导的人体分析。
引用
@article{arxiv.2607.09089,
title = {DETRAM: End-to-end DEtection, Tracking and Recovery of HumAn Meshes},
author = {Chunggi Lee and Seonwook Park and Wanhua Li and Umar Iqbal and Hanspeter Pfister},
journal= {arXiv preprint arXiv:2607.09089},
year = {2026}
}