SMPLer-X é um modelo de estimação de pose e forma corporal baseado em big data e modelos de linguagem amplos, capaz de capturar uniformemente o movimento do corpo, mãos e rosto, com amplas aplicações. O modelo alcançou uma melhora significativa na capacidade EHPS através de um estudo sistemático de 32 conjuntos de dados de diferentes cenários, otimizando o esquema de treinamento e selecionando os conjuntos de dados. O SMPLer-X emprega o Vision Transformer para expandir o modelo e, por meio de uma estratégia de ajuste fino, transformá-lo em um modelo especialista, melhorando ainda mais o desempenho. O modelo apresentou resultados excelentes em vários testes de referência, como AGORA (107,2 mm NMVE), UBody (57,4 mm PVE), EgoBody (63,6 mm PVE) e EHF (62,3 mm PVE sem ajuste fino). A principal vantagem do SMPLer-X reside na sua capacidade de processar diversas fontes de dados, apresentando excelente capacidade de generalização e transferibilidade.