从一张图像中准确地判断图像上人物的3D 姿势和身体形状对于行为分析和安全预警等多种应用至关重要。现行使用的大多数多人重建方法要求图像中的人物清晰可见，可是，当相机的分辨率不高或要捕捉的人物处于视野范围的远方时，就会导致低分辨率的图像，使得该图像上的多人重建成为一个难题。

天津大学和卡迪夫大学联合研究团队试图尝试解决图像分辨率与估计精度之间的矛盾，提出一种称为 MILI（Multi-person Inference from a Low-resolution Image）的端到端的多任务机器学习框架，可实现从单张低分辨率图像中准确重建多人的 3D 姿势和形状。该项研究结果已发表在期刊Fundamental Research上。

其中，为了解决多人场景中的遮挡问题，研究人员设计了一个遮挡感知掩模预测网络，用于在回归分析中判断单人网格的掩模。训练中使用高分辨率和低分辨率的成对图像来训练网络更好地获取图像特征判断的准确率。

“在小尺度和大尺度应用场景中，MILI 在定量和定性上都优于目前最先进的方法，”该研究的第一作者李坤介绍说。 “不同于现有的应用方法，MILI作为一个端到端网络，鼓励多人重塑（即使是低分辨率图像）并且，精炼细化的目标检测阶段，显著提高了利用遮挡感知掩模预测网络显著提高了对遮挡的鲁棒性。”

“监控场景中的人体3D 姿势与形状重建有助于更好地识别动作/活动，包括人与人之间的互动，（为仿真和安全监控）建模人群行为，以及更好地跟踪个人轨迹。” 李坤总结道。

给定手机拍摄的低分辨率图像或从大场景数据集下采样的图像，新方法MILI可以实现比最先进的（SOTA）方法更准确的多人重建