要約
本研究では、制約のない動画において未知数の人物の姿勢推定と追跡という難問に取り組みます。画像における多人物姿勢推定の既存手法は、この問題には直接適用できません。なぜなら、各人物の姿勢推定だけでなく、時間経過による人物の関連付けも必要となるからです。そこで、私たちは単一の枠組みで多人物姿勢推定と追跡を統合的にモデル化する新しい手法を提案します。具体的には、動画中の身体関節検出を空間時間グラフで表現し、整数線形計画法を用いてそのグラフを各人物に対応する合理的な身体姿勢軌道に分割します。提案手法は、人物の隠蔽（occlusion）や切断（truncation）を暗黙的に処理します。この問題はこれまで文献で定量的に扱われていなかったため、私たちは挑戦的な「Multi-Person PoseTrack」データセットを導入し、さらにスケール、サイズ、位置、人数について何ら仮定を持たない完全に制約のない評価プロトコルも提案します。最後に、新データセット上で提案手法およびいくつかの基準手法を評価しました。