本文提出了一种针对复杂的人体部位像素回归问题的领域自适应技术，利用深度批量规范化残差网络和多任务学习目标来缓解跨域间协变量漂移，实现了对2.5D DensePose估计和3D人体表面法线估计任务的实际到仿真转移，并在多人DensePose MSCOCO基准测试中超越了基于真实图像的State-of-the-art方法。该方法可以应用于其他密集像素姿态估计问题。