ArtTrack: 野生環境下の人間複数の関節付き追跡

本論文では、制約のないビデオにおける複数人の関節追跡手法を提案します。我々の出発点は、単一フレーム姿勢推定の既存アーキテクチャに類似するモデルですが、その速度が大幅に向上しています。この高速化を達成するために、以下の2つの方法を採用しました：(1) 体部位関係グラフの簡素化と疎化を行い、最近の高速推論手法を活用すること、(2) 複雑な計算の大部分をフィードフォワード畳み込みアーキテクチャに委ねることで、混雑した環境でも同一人物の体部位検出と関連付けを行うことが可能となります。このモデルを使用して体部位位置の候補を生成し、関節追跡をこれらの候補の空間時間的なグループ化として定式化します。これにより、シーン内の全人物に対する関連付け問題を共同で解決でき、強力な検出結果から時間的に証拠を伝播させつつ、各候補が一人の人物にのみ割り当てられるという制約を強制することができます。公開されているMPIIヒューマンポーズベンチマークおよび新しいMPIIビデオポーズデータセット（複数人が含まれる画像シーケンス）での結果について報告します。我々のモデルは最先端の結果を達成しつつも処理時間が大幅に短縮されており、時間情報を利用することで混雑したシーンでの性能向上にも寄与していることを示しています。