该文综述多视角3D人体姿态估计研究，重点包括：利用多视角一致性约束与联合损失降低标注依赖，结合几何与外观匹配实现跨视角对应，采用图神经网络、统计体模型和束调整提升多人姿态精度与泛化能力，并构建大规模数据集，实现实时、鲁棒、物理合理的重建。

该文综述了单目3D人体姿态估计的多项研究，涵盖：利用深度网络预测2D关节不确定性并结合期望最大化恢复3D姿态；快速自下而上的多人框架及跨模态部署范式；多视角自编码器学习几何感知3D表示；过度完备自编码器回归姿态结构；基于扩散模型的DiffPose将估计建模为逆扩散过程；通过束调整从视频恢复姿态与网格并构建大规模数据集；联合2D/3D标签训练提升野外泛化能力；扩散模型增强准确性与鲁棒性；端到端框架结合扩散与正向运动学估计手部姿态。