人間の体の構成を描く方法は、視点が変わると異なる場合があります。本研究では、2D情報のみを使用して、複数の視点から人間の体勢の類似性を認識するビジョンアルゴリズムを開発することを目指しています。この能力は、画像や動画における人体動作や行動解析に有用です。本論文では、3D姿勢を明示的に予測せずに、2D関節キーポイントのみからコンパクトな視点不変埋め込み空間を学習する手法を提案します。2D姿勢は3D空間から投影されるため、決定的なマッピングを通じて表現するのが難しい固有の曖昧性を持っています。したがって、この入力の不確実性をモデル化するために確率的埋め込みを使用します。実験結果は、異なるカメラビューでの類似姿勢検索において、2D-3D姿勢変換モデルと比較して当社の埋め込みモデルがより高い精度を達成することを示しています。また、当社の埋め込みを視点不変アクション認識やビデオアライメントに適用した際の有効性も示しています。コードは以下のURLで公開されています: https://github.com/google-research/google-research/tree/master/poem。（注：「当社」は原文にはありませんが、「我々」や「私たち」という表現よりも正式な文脈に適していると考えられます。ただし、「我々」を使用することも可能ですので、ご希望でしたら修正いたします。）