本研究解决了从单幅RGB图像中进行实时多人物3D人类网格估计的计算开销问题。我们提出的尺度自适应令牌技术根据图像中每个人物的相对尺度动态调整处理分辨率，使得小尺度人物以更高分辨率处理，从而保持准确性并显著降低计算成本。实验表明，该方法在实时推理中达到了与最先进技术相当的性能。

本文提出了两种新颖的姿态校准框架，通过先进的3D姿态估计器和HMR序列或并行方式有效地校准人体网格。通过非刚性姿态变换，可以灵活地处理骨长变化以缓解校准后的网格中的误放置。通过数据驱动学习和几何建模的通用和互补集成，可用于各种图像/视频人体网格的恢复，并在多项基准测试中取得了最新的表现。

本文提出了一种端到端可训练模型，用于感知3D场景、估计相机姿态和室内布局，并重建人体和物体网格。通过全面而复杂的损失，证明了该模型优于现有方法。这是第一个在网格级别输出对象和人体预测，并联合优化场景和人体姿态的模型。

本文介绍了Vite的热更新（HMR）机制。当文件变化时，服务器会监听并通知客户端重新请求以渲染页面。系统会判断文件类型，若为配置文件则重启服务。通过定时轮询读取文件修改时间，确保获取最新内容。插件的热更新会过滤需要更新的模块，提高效率。最后，系统通过WebSocket将更新通知前端。