本文提出了一种基于学习的模型，利用少量单目视频帧从移动的人中推断出其个性化的3D形状，重建精度为5mm。该模型学习预测统计体型模型的参数和实例化偏移量，同时加入衣服和头发的形状，具有快速和准确的预测。该模型仅基于合成的3D数据进行学习，可将可变数量的帧作为输入，即使仅有一张图像，也能以6mm的精度重建形状。三个不同数据集的结果表明了本方法的有效性和准确性。