卡內基美隆大學和馬克斯普朗克智慧系統研究所共同開發的WHAM方法，在3D人體運動估計領域取得重大突破。此方法利用深度學習技術，從單眼影片中精準重建人體姿態和形狀，並透過巧妙的演算法設計，有效減少了足部滑動的影響，實現了高精度和高效率的3D人體運動捕捉。這項技術在野外測試中表現出色，超越了現有的許多先進方法，為動作捕捉技術帶來了新的可能性。
卡內基美隆大學和馬克斯普朗克智慧系統研究所合作推出的WHAM方法，在精準性和效率上實現了從影片中準確估計3D人體運動的突破。此方法結合3D人體運動和視訊背景，透過深度學習技術從單眼影片中精準重建人體姿態和形狀。具有全球座標一致性的WHAM透過運動脈絡和足地接觸資訊最小化足滑動，取得了出色的成果。在野外測試中，WHAM在多項指標上表現優越，是目前最先進的方法之一。
WHAM方法的出現，標誌著3D人體運動估計技術取得了顯著進展，其高精度和高效性為虛擬現實、動畫製作、體育分析等領域提供了強有力的技術支持，未來有望在更多領域得到廣泛應用，推動相關技術不斷發展與進步。