文章题目为：MHFormer: Multi-Hypothesis Transformer for 3D Human Pose Estimation。文章提出了一个基于Transformer的多假设模型，不同于之前单纯的一对多映射，MHFormer在自假设之间进行通信以细化估计，并最终生成一个可信的3D姿态。

论文题目为：3D Human Pose Estimation with Spatial and Temporal Transformers。本文提出的模型PoseFormer是第一个用于3D人体姿态估计问题的纯Transformer模型。

文章题目为：A simple yet effective baseline for 3d human pose estimation。是一个简单的神经网络结构，文章提出了很多改进方向，故该系统作为一个baseline为以后的研究提供参考，而不是完整的3D姿态估计系统。

论文题目为3D human pose estimation in video with temporal convolutions and semi-supervised training，发表于CVPR 2019。本文提出了时间扩张卷积模型，并使用了半监督的方法。