既存の姿勢推定手法は、単一ステージと複数ステージの2つのカテゴリーに分類されます。複数ステージの手法がタスクに適しているように思われますが、現実的な性能面では単一ステージの手法に及ばないことが多くあります。本研究ではこの問題を検討します。私たちは、現行の複数ステージ手法の不満足な性能は、さまざまな設計選択肢における不足から来ていると考えています。そこで、単一ステージモジュール設計、ステージ間特徴量集約、および粗密接監督（coarse-to-fine supervision）などのいくつかの改善点を提案します。これらの改善により提案された手法は、MS COCO および MPII Human Pose データセットにおいて新しい最先端の成果を達成し、複数ステージアーキテクチャの有効性を証明しています。ソースコードは公開されており、さらなる研究のために利用可能です。