我々は、人体ポーズ推定に向けた効率的かつ高解像度のネットワークであるLite-HRNetを提案する。まず、ShuffleNetに用いられる効率的なシャッフルブロックをHRNet（高解像度ネットワーク）に単純に適用することで、MobileNetやShuffleNet、Small HRNetといった一般的な軽量ネットワークよりも優れた性能を達成した。しかし、シャッフルブロックにおいて頻繁に使用されるポイントワイズ（1×1）畳み込みが計算上のボトルネックとなっていることを発見した。そこで、高コストなポイントワイズ（1×1）畳み込みを置き換えるため、軽量なユニットである「条件付きチャネル重み付け（conditional channel weighting）」を導入した。この重み付けの計算複雑度はチャネル数に対して線形であり、ポイントワイズ畳み込みの二次時間複雑度よりも低くなる。本手法は、HRNetの並列ブランチに自然に存在する複数の解像度におけるすべてのチャネルから重みを学習し、それらをチャネル間および解像度間での情報交換の橋渡しとして利用する。これにより、従来のポイントワイズ畳み込みが果たしていた役割を補完する。Lite-HRNetは、代表的な軽量ネットワークと比較して、人体ポーズ推定において優れた結果を示した。さらに、同様に軽量なアプローチで、セマンティックセグメンテーションタスクへの適用も容易である。コードおよびモデルは、https://github.com/HRNet/Lite-HRNet にて公開されている。