要約
ビデオにおける人間の姿勢推定において、フレーム間の時間情報をどのように利用するかが重要である。本論文では、四肢の時間フローマップ（Temporal Flow Maps for Limbs: TML）と、人間の姿勢を推定および追跡するためのマルチストライド手法を提案する。提案された時間フローマップは、四肢の動きを記述する単位ベクトルである。我々は、空間情報と時間情報をエンドツーエンドで学習するネットワークを構築した。空間ネットワーク部分では関節ヒートマップや部位アフィニティフィールドなどの空間情報が回帰され、時間ネットワーク部分ではTMLが回帰される。また、様々なタイプのTMLをよりよく学習するためにデータ拡張手法も提案する。提案されたマルチストライド手法は、定義された範囲内で2つのフレームをランダムに選択することでデータを拡大する。PoseTrack 2017および2018データセット上で、提案手法が効率的に人間の姿勢を推定および追跡することを示す。注：「Temporal Flow Maps for Limbs」は「四肢の時間フローマップ」と訳しました。「TML」は略語として使用しています。