本論文では、オンラインの人間姿勢追跡のための新しい効果的な軽量フレームワークであるLightTrackを提案します。提案されたフレームワークはトップダウンの姿勢追跡に汎用的に設計されており、既存のオンラインおよびオフライン手法よりも高速です。単一人間姿勢追跡（Single-Person Pose Tracking: SPT）と視覚物体追跡（Visual Object Tracking: VOT）が一つの統一された機能体として組み込まれており、交換可能な単一人間姿勢推定モジュールにより容易に実装できます。当社のフレームワークは、単一人間姿勢追跡と多人間識別連携を統一し、キーポイント追跡と物体追跡をつなぐ最初の一歩となります。また、当社の姿勢追跡システムにおけるRe-IDモジュールとして、人間姿勢マッチング用のシアムグラフ畳み込みネットワーク（Siamese Graph Convolution Network: SGCN）を提案します。他のRe-IDモジュールとは異なり、グラフィカルな表現を使用して人間関節をマッチングします。骨格ベースの表現は人間姿勢の類似性を効果的に捉え、計算コストも低く抑えられます。急激なカメラ移動による人間のずれにも堅牢です。当社が知る限り、これはトップダウン方式でオンラインの人間姿勢追跡フレームワークを提案する初めての論文です。提案されたフレームワークは十分に汎用的であり、他の姿勢推定器や候補マッチングメカニズムにも適用可能です。当社の方法は他のオンライン手法よりも優れた性能を示しつつ、大幅に高いフレームレートを維持しており、オフラインでの最先端技術とも非常に競争力があります。コードは公開されており、以下のURLからアクセスできます：https://github.com/Guanghan/lighttrack