1、按对象
1.1人体
从单色图像中学习估计三维人体姿势和形状
将人类行为识别为姿态估计图的演化
解析诱导学习者的人体姿态估计
自然场景中多人的单目3D姿势和形状估计-多场景约束的重要性
联合优化数据增强和网络训练：人体姿态估计中的对抗性数据增强
V2V posenet：体素到体素预测网络，用于从单一深度地图精确估计三维手部和人体姿势
定位跟踪：人体姿态估计和跟踪的基准
多人姿态估计的级联金字塔网络
三维人体姿态估计的序贯深度监控
利用无线电信号进行穿墙人体姿态估计
从多视图图像学习单目三维人体姿态估计
1.2手
第一人称手部动作基准与RGB-D视频和3D手部姿势注释
基于深度的三维手部姿势估计：从当前成就到未来目标
手部姿势估计的稠密三维回归
手势识别：集中在手上
手部点网：使用点集的三维手部姿势估计
跨模态深变分手位姿估计
基于深度的手部姿态估计的增强骨架空间转移
单目RGB实时三维手部跟踪
1.3其他
检测和跟踪：视频中有效的姿态估计
用于从合成图像中快速准确地学习三维姿态推断的特征映
稠密足类：野外密集的人体姿势估计
利用逆境学习进行野外三维人体姿态估计
野外物体三维姿态估计与三维模型检索
旋转网：基于无监督视角的多视角的关节对象分类和姿态估计
使用多任务深度学习的二维/三维姿态估计和动作识别
通过预测不同的观点来学习姿势特定的表
实时无缝单发6D目标姿态预测
多视图一致性作为学习形状和姿态预测的监控信号
2、按任务
2.1姿态估计：
稠密足类：野外密集的人体姿势估计
全捕获：用于跟踪人脸的三维变形模型，手
通过姿势引导知识转移的弱监督人体部位解析
以看不见的姿势合成人类的图像
多人姿态估计的级联金字塔网络
2.2视频分类/动作识别：
非局部神经网络
视频分类的外观和关系网络
光流引导特征：用于视频动作识别的快速、鲁棒运动表示
学习在视觉场景中定位声源
面向未知行为识别的通用表示
活动识别的非线性时间子空间表示
棒球视频中的细粒度活动识别（研讨会）
学习潜在超级事件检测视频中的多个活动
2.3视频理解：
什么使视频成为视频：分析视频理解模型和数据集中的时间信息（Spotlight，Feifei Group）
我们从行动识别的深层次表象中学到了什么？
动作识别时空卷积的进一步研究
对视频理解时空特征学习的再思考
论光流与动作识别的整合（推荐）
视频理解运动表示端到端学习（腾讯人工智能实验室）
猜猜在哪里？时空动作定位的行动者监督
一个统一的事件摄像机对比度最大化框架，用于运动、深度和光流估计。
基于区分池的视频表示学习
时空三维CNN能追溯二维CNN和ImageNet的历史吗？
快速端到端可训练引导滤波器
基于密度感知的多流密集网络图像去雨
3、相关工作3.1 合成 Synthesis
Multistage Adversarial Losses for Pose-Based Human Image Synthesis
“基于姿态的人体图像合成的多级对抗损失”
Synthesizing Images of Humans in Unseen Poses
“在看不见的姿势中合成人类的图像”
Unsupervised Person Image Synthesis in Arbitrary Poses
“任意姿势下的无监督人体图像合成”
End-to-End Recovery of Human Shape and Pose
“人体形态和姿势的端对端恢复”
Deformable GANs for Pose-Based Human Image Generation
“用于基于姿势的人类图像生成的可变形GAN”
3.2 相机机位 Camera
GeoNet: Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose
“GeoNet：密集深度的无监督学习，光流和相机姿势”
Hybrid Camera Pose Estimation
“混合相机姿势估计”
Camera Pose Estimation With Unknown Principal Point
“带有未知主要点的相机姿态估计”
3.3 人脸 Face
Super-FAN: Integrated Facial Landmark Localization and Super-Resolution of Real-World Low Resolution Faces in Arbitrary Poses With GANs
“Super-FAN：集成的人脸地标定位和任意姿势下的真实世界低分辨率人脸的超分辨率”
Disentangling 3D Pose in a Dendritic CNN for Unconstrained 2D Face Alignment
“在无限制2D面对准的树突状CNN中解构三维姿态”
Joint Pose and Expression Modeling for Facial Expression Recognition
“面部表情识别的联合姿态和表情建模”
Towards Pose Invariant Face Recognition in the Wild
“面向野外姿态不变的人脸识别”
Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
“基于深度残差等变映射的姿态鲁棒人脸识别”
UV-GAN: Adversarial Facial UV Map Completion for Pose-Invariant Face Recognition
“UV-GAN：用于姿态不变脸部识别的对抗面部UV映射完成”
Pose-Guided Photorealistic Face Rotation
“姿势指导真实感脸部旋转”
Total Capture: A 3D Deformation Model for Tracking Faces, Hands, and Bodies
“全部捕获：用于追踪面部，手部和身体的3D变形模型”
3.4 其他
Weakly and Semi Supervised Human Body Part Parsing via Pose-Guided Knowledge Transfer
“通过姿态引导知识转移进行弱监督和半监督人体部位解析”
A Certifiably Globally Optimal Solution to the Non-Minimal Relative Pose Problem
“非最小相对姿态问题的一个可证明的全局最优解”
Fight Ill-Posedness With Ill-Posedness: Single-Shot Variational Depth Super-Resolution From Shading
“以不适当的姿态应对不适应：来自阴影的单发变分深度超分辨率”
Factoring Shape, Pose, and Layout From the 2D Image of a 3D Scene
“从3D场景的2D图像中分解形状，姿态和布局”
A Pose-Sensitive Embedding for Person Re-Identification With Expanded Cross Neighborhood Re-Ranking
“扩展交叉邻居重新排序的人员重新识别的姿态敏感嵌入“
Improving Occlusion and Hard Negative Handling for Single-Stage Pedestrian Detectors
”改善单级行人检测器的遮挡和硬性负面处理“
End-to-End Learning of Keypoint Detector and Descriptor for Pose Invariant 3D Matching
”针对姿态不变三维匹配的关键点检测器和描述符的端到端学习“
Non-Blind Deblurring: Handling Kernel Uncertainty With CNNs
“非盲去模糊：用CNN处理内核不确定性”
Pose Transferrable Person Re-Identification
“姿态可移动的人员重新识别”
LSTM Pose Machines
“LSTM姿势机器”
MX-LSTM: Mixing Tracklets and Vislets to Jointly Forecast Trajectories and Head Poses
“MX-LSTM：混合Tracklets和Vislets来共同预测轨迹和头部姿势”
PoseFlow: A Deep Motion Representation for Understanding Human Behaviors in Videos
”PoseFlow：用于理解视频中人类行为的深层运动表示“
PoTion: Pose MoTion Representation for Action Recognition
”主题：构成动作识别的MoTion表示“
Analysis of Hand Segmentation in the Wild
”野生动物手部分割分析“