本論文では、困難な多人数3次元姿勢推定問題に取り組むための新しいディストリビューション・アウェア・シングルステージ（DAS）モデルを提案します。既存のトップダウンおよびボトムアップ手法とは異なり、提案されたDASモデルは一回の処理で3次元カメラ空間における人物位置とそれに対応する体節点を同時に局在化します。これにより、パイプラインが簡素化され、効率性が向上します。さらに、DASは体節点の位置推定のために単純なラプラス分布やガウス分布を仮定するのではなく、体節点の真の分布を学習します。これにより、モデル予測に価値ある事前情報が提供され、回帰ベースのスキームがボリュームベースのものと競合する性能を達成できるようになります。また、DASは逐次的な更新戦略を用いて回帰目標に漸近的に近づくことで最適化の難易度を軽減し、さらに回帰性能を向上させます。DASは完全な畳み込みニューラルネットワーク（CNN）で実装されており、エンドツーエンドで学習可能です。CMU PanopticおよびMuPoTS-3Dベンチマークでの包括的な実験結果は、提案されたDASモデルの優れた効率性（特に従来の最良モデルよりも1.5倍高速）と多人数3次元姿勢推定における最先端の精度を示しています。