本稿では、検出ベースと回帰ベースの手法の利点を活かすために、適応的重み回帰（Adaptive Weighting Regression: AWR）法を提案する。本手法では、密な表現におけるすべての画素を離散積分として扱い、適応的重みマップによってガイドすることで、手関節の座標を推定する。この学習可能な集約プロセスにより、密な監視と関節監視の両方を導入でき、エンドツーエンドの学習が可能となり、重みマップの適応性をもたらす。これにより、ネットワークの精度とロバスト性が向上する。さまざまな実験設定下での有効性および汎用性を検証するため、包括的な探索実験を実施した。特に、異なる種類の密な表現および入力モダリティにおける本手法の有用性が明らかになった。提案手法は、NYU、ICVL、MSRA、HANDS 2017の4つの公開データセットにおいて、他の最先端手法を上回る性能を達成した。