要約
本稿では、全身ポーズ推定のための新しいボトムアップ型ワンステージ手法を提案する。この手法を「階層的ポイント回帰（Hierarchical Point Regression）」と呼び、略してHPRNetと呼ぶ。標準的な人体ポーズ推定では、人体の約17個の主要関節の位置を推定するが、全身ポーズ推定では、顔（68点）、手（1本あたり21点）、足（1本あたり3点）といった細粒度のキーポイントも同時に推定するため、異なる身体部位間でスケールのばらつきが生じるという課題が発生する。このスケールのばらつきに対処するため、我々は身体部位ごとの階層的ポイント表現を構築し、それらを同時に回帰する。各部位（例：顔）内の細粒度キーポイントの相対位置は、その部位の中心を基準として回帰され、その部位中心自体の位置は人物中心に対して推定される。また、従来の二段階手法とは異なり、本手法は画像内の人物数に依存せず、一定時間で全身ポーズを予測できる。COCO WholeBodyデータセットにおいて、HPRNetはすべての全身部位（体、足、顔、手）のキーポイント検出において、これまでのすべてのボトムアップ手法を大きく上回り、顔キーポイント検出（75.4 AP）および手キーポイント検出（50.4 AP）においても最先端の性能を達成した。コードおよびモデルは、\url{https://github.com/nerminsamet/HPRNet} で公開されている。