用 Transformer 从单目视频里重建并跟踪三维人体，输出带 SMPL 参数的动作序列，适合做人体建模和动作分析。

单张图片一次前向即可重建画面中多人的 SMPL-X 三维人体网格与姿态，提供 PyTorch 推理代码和预训练模型，适合做多人姿态估计与人体重建的落地验证。