本研究提出了一种儿童为中心的人体网格恢复框架Dual-Evidence Guided Reconstruction（DEGRec），旨在解决现有成人导向方法在儿童解剖比例、姿态分布及训练数据稀缺方面的局限性。在AGORA数据集儿童子集（7000余张图像）和Lagenda数据集（20,000余个18岁以下样本）上开展实验，通过年龄感知特征提取和双线索对齐机制（训练阶段网格对齐、推理阶段关键点对齐），结合Sapiens提供的深度图和关键点指导，实现SMPL-X Kid模型的高精度重建。结果显示，DEGRec在儿童子集上显著优于现有方法（MVE 102.2 mm，MPJPE 97.3 mm），有效捕捉了儿童独特的身体比例和复杂姿态，在成人数据上也保持良好泛化。消融实验证实，年龄感知编码器和关键点对齐协同提升了重建精度（基线MVE从132.8 mm降至102.2 mm）。本文中提出的双线索框架整合揭示了儿童HMR中参数化模型适应性和稀疏监督鲁棒性的多层面挑战。基于该方法，我们精确表征了儿童3D重建中的残余功能区域。这些发现表明，DEGRec为传统方法难以捕捉的儿童解剖与运动信息提供了有效补充，在神经发育障碍分析、生长监测及儿科康复等领域具有重要生物医学应用前景。

中文标题：双线索引导的儿童中心人体网格重建

英文标题：Dual-Evidence Guided Reconstruction for Child-Centric Human Mesh Recovery

论文作者：武晓涛，王凯东，张寒，何晖光，沈定刚