실감 미디어와 응용에 대한 수요가 빠르게 증가함에 따라, 단일 RGB 영상으로부터의 3차원 객체 모델링 방법 연구는 필수적인 기술이 되었다. 심층신경망의 큰 성공에 힘입어 학습 기반 다양한 연구들이 활발히 제안되었다. 그러나, 입력 영상에서 객체의 가려진 부분까지 정확하게 모델링하는 데 여전히 많은 어려움이 있다. 본 논문에서는 3차원 객체 모델링을 위한 운동 연쇄 기반 부분 주의 회귀 방법(Part-attentive Kinematic Chain-based Decoder)을 제안한다. 제안하는 방법은 입력 영상 내 모든 객체의 중심 위치에서 신체 부위별 부분 주의 특징을 추출하고, 운동 연쇄 기반 복원기에 주입하여 3차원 객체 모델의 매개변수를 추정한다. 이러한 과정은 객체 간의 관계와 신체 부위 간의 관계를 함께 고려하기 때문에 심각한 폐색에도 자연스러운 형태와 자세를 정확하게 추정할 수 있다는 장점이 있다. 벤치마크 데이터셋에서의 실험 결과를 통해 제안된 방법이 복잡한 환경에서도 효과적으로 3차원 객체 모델링를 수행하는 것을 증명하였다.