التطورات الحديثة في تقدير وضعية الإنسان ثلاثية الأبعاد من الصور والفيديوهات أحادية الكاميرا اعتمدت على نماذج معلمة، مثل SMPL. ومع ذلك، فإن هذه النماذج تبسط الهياكل التشريحية بشكل مفرط، مما يحد من دقتها في التقاط مواقع المفاصل الحقيقية وحركاتها، مما يقلل من قابليتها للتطبيق في مجالات البيوميكانيكا والرعاية الصحية والروبوتات. أما تقدير الوضعية البيوميكانيكية الدقيقة فيتطلب عادة أنظمة التقاط الحركة المعتمدة على العلامات باهظة الثمن وتقنيات التحسين في مختبرات متخصصة. لسد هذا الفجوة، نقترح BioPose، وهو إطار جديد مستند إلى التعلم لتنبؤ وضعية الإنسان ثلاثية الأبعاد بدقة بيوميكانيكية مباشرة من الفيديوهات أحادية الكاميرا. يتضمن BioPose ثلاثة مكونات رئيسية: نموذج استعادة الشبكة البشرية متعددة الاستفسارات (MQ-HMR)، ونموذج الكينماتيكا العكسية العصبية (NeurIK)، وتقنية تحسين الوضعية المستندة إلى البعد الثاني. يستخدم MQ-HMR محولًا قابلًا للتشويه متعدد الاستفسارات لاستخراج خصائص صورية دقيقة متعددة المقاييس، مما يمكنه من استعادة الشبكة البشرية بدقة عالية. أما NeurIK فيتعامل مع رؤوس الشبكة كعلامات افتراضية، ويطبق شبكة فضائية زمنية لتقدير وضعيات الإنسان ثلاثية الأبعاد بدقة بيوميكانيكية تحت قيود تشريحية. ولتحسين تقديرات الوضعيات ثلاثية الأبعاد بشكل أكبر، يتم تنفيذ خطوة تحسين مستندة إلى البعد الثاني خلال الاستدلال عن طريق مواءمة البنية ثلاثية الأبعاد مع مشاهدات الوضعيات ثنائية الأبعاد. تظهر التجارب على مجموعات البيانات المرجعية أن BioPose يتفوق بشكل كبير على أفضل الأساليب الحالية.الموقع الإلكتروني للمشروع:\url{https://m-usamasaleem.github.io/publication/BioPose/BioPose.html}.