损失函数的选择比较直接，为如下四个约束的加权和，其中 L_J 表示关键点约束，L_β 表示外形参数约束，L_θ 表示矩阵形式的姿态参数约束，L_s 表示对分布进行采样后的姿态约束。关于对分布的约束，这里并未直接采用 MAP 是考虑了归一化参数的数值稳定性问题。关于采样策略，类似之前的工作，将 matrix Fisher 分布转为等价的四元数形式的 Bingham 分布，然后通过拒绝采样得到，其中拒绝采样的建议分布采用 angular central Gaussian 分布。
实验结果
实验部分，本研究在公开数据集 Human3.6M、3DPW、AGORA、TotalCapture 上和过去方法进行了定量对比。可以看到，本研究的方法超越了过去的一众方法。其中右下表中最后灰色的两行是同期工作，这里为了榜单完整性也列了出来。
下图展示了和现有 SOTA 方法 HybrIK、PARE、CLIFF 的定性对比，可以看到对一些遮挡的情况，ProPose 可以得到更好的效果。
