私たちは、単一の生のRGB画像から3次元人間姿勢を推定する問題に対する統一的な定式化を提案します。この定式化は、2次元関節位置推定と3次元姿勢再構成を共同で考慮し、両方のタスクの精度向上を目指します。私たちが採用した統合アプローチは、3次元人間姿勢に関する確率的な知識を多段CNNアーキテクチャと融合させ、実現可能な3次元ランドマーク位置の知識を利用してより良い2次元位置の探索を洗練します。この全体的なプロセスはエンドツーエンドで学習され、非常に効率的であり、Human3.6Mデータセットにおいて2次元および3次維度での誤差ともに従来の手法を上回る最先端の結果を得ています。