本文介绍了一种模型，通过少量单目视频帧快速推断个性化3D形状，重建精度可达5mm。模型结合T姿态空间预测和双视图预测，仅依赖合成3D数据学习，能处理不同数量的帧输入，单帧精度为6mm。实验结果验证了其有效性和准确性。