単画像3次元姿勢・形状推定が進歩しているにもかかわらず、既存のビデオベースの最新手法では、学習のための3次元運動データが不足しているため、自然な動きの生成することができていなかった。そこで、著者らはビデオベースからの自然な動きの生成手法を提案している。