首先应该检查什么？姿态与衣物/物体形变
4D人体重建中最容易出错的部分是关节化的人体姿态，以及宽松衣物或手持物体的形变。这些恰恰是单目视频提供信息最模糊的区域，因此最值得仔细审查。例如，DressRecon [2] 明确将身体形变与衣物形变分离到不同的运动层中，在具有挑战性的衣物和物体交互场景下，其保真度优于先前的方法。这说明，如果你的质量控制流程没有专门验证衣物和物体相对于身体的运动是否合理，你就会漏掉最常见的失败模式。
类似地，4DHumans [4] 采用基于Transformer的网络从单张图像重建人体，并在3D空间中对其进行跟踪，取得了最先进的跟踪效果。这表明一个有效的质量控制检查方法是，将重建的3D姿态与原始视频中的2D姿态估计进行对比——如果两者偏差显著，则重建很可能出错。在实际操作中，你可以通过计算关键关节在视频帧上的重投影误差来自动化这一过程，并标记出误差突增的帧。
质量控制能花多少时间？取决于方法的速度
重建方法的速度直接影响着你的质量控制能做到多彻底。较老的基于优化的方法处理每段视频需要数小时，这意味着你会希望非常谨慎地挑选需要人工检查的帧。但像4D-Fly [3]这样的新方法可以在大约6分钟内重建数百帧——比以往方法快20倍以上——同时还能达到更高的质量。这种速度意味着你可以负担得起运行更多自动化检查，甚至抽取更多帧进行人工复核。
然而，速度快并不自动意味着质量高。同一篇论文[3]指出，以往的方法需要数小时的优化才能将2D特征图与各种先验对齐，而4D-Fly之所以能实现如此速度，是因为它将数据先验直接应用于高斯图元。因此，在设置质量控制时，你需要清楚自己使用的是哪种方法，并相应调整采样率：对于6分钟的重建，你可以负担得起每隔10帧检查一次；而对于长达一小时的优化，你就需要更有针对性地进行。
利用自动化检查与多假设验证来消除歧义
单目视频本质上存在歧义——同一段2D运动可能有多种合理的3D解释。为了应对这一问题，有些方法会显式生成多种合理的形变。例如，服装重建方法[1]采用了一个多假设形变模块，该模块学习多种可能形变的空间表示，从而有助于缓解从单目视频估计3D服装时的歧义问题。在质量控制（QC）流程中，这意味着你不应只接受单一输出，而应生成几个备选重建结果，并检查它们是否都合理。如果这些结果差异很大，那就表明输入视频的歧义性过高，难以进行可靠重建。
你还可以在质检过程中利用基于图像的先验信息，例如表面法线和光流，就像DressRecon [2]在优化阶段所做的那样。这些先验有助于确保重建的几何形状与实际图像证据保持一致。实际操作中，你可以计算重建表面法线与从视频帧中估计出的法线之间的一致性，并标记出两者不一致的帧。这是一种成本低廉的自动化检查方法，能够捕捉到许多几何误差。
关于这些来源
本回答基于5项同行评审研究——发表于2022年至2025年间，其中2项为2024年或之后发表，1项发表于Q1期刊，合计被引用305次——这些研究是从5项通过质量筛选的研究中选出的最具相关性的成果，而这些研究又源自从超过5亿篇论文数据库中检索到的28篇文献。
本文引用的文献
从单目视频中重建高质量可动画的动态服装
提出了一种带有多种假设模块的可学习服装形变网络，以处理单目视频中的模糊性，从而为未见姿态生成高质量的动画服装。
DressRecon：基于单目视频的自由形式4D人体重建
DressRecon将通用人体先验与视频特有的“骨骼包”形变相结合，利用基于图像的先验（姿态、法线、光流），在宽松衣物和物体交互的重建保真度上超越了现有技术。
4D-Fly：从单目视频快速进行4D重建
4D-Fly可在约6分钟内从单目视频重建数百帧，速度比以往的优化方法快20倍以上，同时通过将数据先验直接应用于高斯基元，实现了更高质量的重建。
人类4D：利用Transformer重建与追踪人类
4DHumans采用基于Transformer的人体网格恢复技术（HMR 2.0）和3D追踪，从单目视频中实现最先进的追踪效果，包括处理遮挡和多人的情况。
穿着衣物的人体的照片级真实感单目三维重建
PHORHUM是一种端到端方法，能够从单张RGB图像中估计精细的3D几何、无阴影表面颜色以及场景光照，并利用基于补丁的渲染损失来实现可靠的色彩重建。