我们介绍了KAMA，一种基于3D关键点感知的网格关节化方法，该方法能够从3D身体关键点的位置估计人体网格模型。为此，我们学习了估计26个身体关键点的3D位置，并提出了一种通过一系列简单的几何变换来驱动参数化人体模型（SMPL）的解析解决方案。由于关键点估计直接依赖于图像线索，我们的方法在与现有最先进方法相比时，能显著提高与图像内容的对齐效果。我们提出的这种方法不需要任何配对的网格注释，并且仅通过3D关键点回归就能实现最先进的人体网格拟合。在具有挑战性的3DPW和Human3.6M数据集上的实验结果表明，我们的方法能够生成最先进的人体网格拟合。