HardMo++ 标注标准与困难场景校准
项目定位
HardMo++ 关注的不是常规、干净、无遮挡的人体动作，而是更难的 hardcase 场景。项目目标是让原本在复杂姿态、手部细节、脚部接地和多视角条件下容易失真的重建结果，变成更稳定、可用于后续数字人任务的动作表达。
HardMo++ 4DHumans HaMeR ScoreHMR SMPL
技术链路
这张流程图展示了这条链路的核心思路：先结合 HardMo-4DHumans 和 2D Pose Estimation 得到基础人体，再通过 HaMeR、ScoreHMR、多视角引导和 SMPL 优化把手部、脚部和整体姿态整合起来。
- 以 4DHumans 为基础人体重建入口，先获得可用的全身 SMPL 结果，而不是一开始就直接处理所有细节。
- 同时引入 2D pose、手部关键点和脚部关键点，把 hardcase 样本里最容易出错的区域单独拉出来加强约束。
- 手部侧通过 HaMeR 补充 MANO 相关细节，脚部和整体姿态侧通过 ScoreHMR 与多视角信息辅助校正。
- 最终把各模块结果做统一整合和 SMPL 优化，让复杂动作样本在下游任务里更可用。
效果对比
这张结果图按输入、4DHumans、HardMo、HardMoPlus 和最终 pipeline 的顺序展示对比，能直观看到在复杂动作、肢体张开和足部接地场景下，结果会逐步稳定下来。