要約
多人のポーズ推定における従来のボトムアップアプローチを再検討し、改良された手法を提案する。本手法は、(1) キーポイント間の接続情報を符号化するための直感的でありながらより合理的な表現（ボディパーツ）を導入し、(2) 注意メカニズムを組み込んだ改良型スタックド・アワークラスネットワークを採用し、(3) 難易度の高いキーポイントおよびキーポイントの関連付け（ボディパーツ）を効果的に抽出するための新規なフォーカルL2損失関数を設計し、(4) 検出されたキーポイントを個々のポーズにグループ化する堅牢なグリーディなキーポイント割当アルゴリズムを導入することで、ベースライン手法を大きく上回る性能を達成している。本手法は実装が直感的かつ簡潔でありながら、平均精度（AP）においてベースラインを約15%向上させ、MS-COCO test-devデータセットにおいて最先端の手法と同等の性能を示している。コードおよび事前学習済みモデルは公開されており、オンラインで利用可能である。