要約
既存の多人数ポーズ推定手法は、おおむね2段階アプローチ（トップダウン型およびボトムアップ型）と1段階アプローチに大別される。2段階アプローチは、追加の人物検出器による高い計算リソースの無駄を抱えているか、すべてのインスタンス非依存キーポイントを予測した後にヒューリスティックにキーポイントをグループ化するという課題を有する。一方、最近提案された1段階アプローチは、上記の2つの追加段階に依存しないため利点があるが、最新のボトムアップ型手法に比べて性能が低い傾向にある。本研究では、新たな1段階多人数ポーズ回帰手法「SMPR（Single-Stage Multi-Person Pose Regression）」を提案する。本手法は密度予測（dense prediction）の枠組みに従い、各位置からインスタンス認識可能なキーポイントを直接予測する。また、特徴の集約に加え、学習におけるポーズ仮説の正例定義に効果的な戦略を提案し、これらが密度予測型ポーズ推定において重要な役割を果たす。さらに、ネットワークは推定されたポーズのスコアを学習する。このポーズスコアリング戦略により、非最大抑制（NMS）の過程で優れたポーズを優先的に選択することで、ポーズ推定性能がさらに向上する。実験の結果、本手法は既存の1段階アプローチを上回ることはもちろん、最新のボトムアップ型手法と比較しても競争力を持つことが示された。COCO test-devポーズベンチマークにおいて、APは70.2、AP75は77.5を達成した。コードは以下のURLから公開されている：https://github.com/cmdi-dlut/SMPR。