Ce rapport technique présente notre solution, MEEV, proposée au défi EgoBody lors de la conférence ECCV 2022. La base de données a été capturée à l'aide d'appareils portés sur la tête et comprend des formes et mouvements corporels d'individus en interaction. Le dataset EgoBody présente des défis tels que des corps partiellement masqués ou des images floues. Pour surmonter ces défis, MEEV est conçu pour exploiter des caractéristiques multirésolution afin d'obtenir une information spatiale riche. De plus, pour pallier la taille limitée du dataset, le modèle a été pré-entraîné avec un ensemble de datasets d'estimation de poses 2D et 3D. Avec un score de 82,30 pour le MPJPE (Mean Per Joint Position Error) et de 92,93 pour le MPVPE (Mean Per Vertex Position Error), MEEV a remporté le défi EgoBody lors de la conférence ECCV 2022, ce qui démontre l'efficacité de la méthode proposée. Le code source est disponible à l'adresse suivante : https://github.com/clovaai/meev