ソフトゲート付きスキップ接続を活用した高速かつ高精度な人体ポーズ推定へ向けて

本論文は、高精度かつ高効率な人体ポーズ推定に関するものである。最近のFully Convolutional Networks（FCN）に基づく手法は、この困難な問題に対して優れた成果を示している。FCN内におけるリザーバル接続（residual connections）が高精度を達成するために不可欠であることは広く知られているが、本研究では、最先端の性能をさらに向上させるとともに、計算効率の改善という観点から、この設計選択を再検討する。具体的には、以下の貢献を行う：(a) マクロモジュール内のモジュール内で各チャネルごとのデータフローを制御するため、チャネルごとに学習可能なパラメータを持つゲート付きスキップ接続（gated skip connections）を提案する。(b) HourGlassとU-Netのアーキテクチャを統合したハイブリッドネットワークを導入し、ネットワーク内のアイデンティティ接続（identity connections）の数を最小化するとともに、同じパラメータ量の制約下で性能を向上させる。提案モデルはMPIIおよびLSPデータセットにおいて、最先端の性能を達成した。さらに、モデルサイズおよび計算複雑度を3倍削減した場合でも、元のHourGlassネットワークと比較して性能の低下が見られず、その有効性を実証した。