时序姿态估计

Superman：统一骨架与视觉的人体运动感知与生成

Superman: Unifying Skeleton and Vision for Human Motion Perception and Generation

提出视觉引导的运动分词器，利用3D骨架与视觉数据的几何对齐构建跨模态运动词汇表，使单一MLLM统一处理时序3D姿态估计与运动生成任务，为人体运动分析提供可复用的统一建模范式。