نقدم إطارًا شاملًا من النهاية إلى النهاية يُعرف بـ "استعادة الشبكة البشرية" (Human Mesh Recovery - HMR)، وهو مصمم لإعادة بناء شبكة ثلاثية الأبعاد كاملة للجسم البشري من صورة واحدة باللون والضوء (RGB). على عكس معظم الطرق الحالية التي تحدد مواقع المفاصل ثنائية أو ثلاثية الأبعاد، ننتج تمثيلًا غنيًا وأكثر فائدة للشبكة يتم تحديده بواسطة الشكل وزوايا المفاصل الثلاثية الأبعاد. الهدف الرئيسي هو تقليل خسارة إعادة الإسقاط للمعالم الرئيسية، مما يسمح لنا بتدريب نموذجنا باستخدام صور في البيئة الطبيعية تحتوي فقط على شروحات حقيقية ثنائية الأبعاد. ومع ذلك، فإن خسارة إعادة الإسقاط بمفردها تترك النموذج مقيّدًا بشدة. في هذا البحث، نعالج هذه المشكلة من خلال تقديم خصم تم تدريبه على التمييز بين ما إذا كانت معلمة الجسم البشري حقيقية أم لا باستخدام قاعدة بيانات كبيرة تتكون من شبكات الجسم البشري ثلاثية الأبعاد. نوضح أن يمكن تدريب HMR مع وجود أو عدم وجود أي إشراف مزوج ثنائي إلى ثلاثي الأبعاد. لا نعتمد على اكتشافات الوسط للمعالم الثنائية الأبعاد ونستنتج مباشرة معلمات الوضع والشكل الثلاثية الأبعاد من بكسلات الصورة. يعمل نموذجنا في الوقت الفعلي عند توفير صندوق حدودي يحتوي على الشخص. نظهر قدرتنا على تنفيذ هذا النهج على مجموعة متنوعة من الصور في البيئة الطبيعية وتفوقنا على الأساليب السابقة القائمة على التحسين التي تنتج شبكات ثلاثية الأبعاد، كما نظهر نتائج تنافسية في مهمات مثل تقدير موقع المفصل الثلاثي الأبعاد وتقسيم الجزء.