高解像度ネットワークは、人体ポーズ推定において多スケール特徴の抽出において顕著な能力を発揮するが、関節間の長距離相互作用を捉えることができず、計算コストも高いという課題を抱えている。これらの問題に対処するため、本研究では、効率的な多スケールコンテキスト情報の抽出と、長距離空間的依存関係のモデリングを可能にする動的軽量高解像度ネットワーク（Dynamic lightweight High-Resolution Network, Dite-HRNet）を提案する。具体的には、動的スプリット畳み込みと適応的コンテキストモデリングの2つの手法を提案し、それらを新たな軽量ブロックである「動的多スケールコンテキストブロック」と「動的グローバルコンテキストブロック」に組み込む。これらの2つのブロックは、Dite-HRNetの基本構成単位として設計されており、高解像度ネットワークの並列的多解像度アーキテクチャを最大限に活用することを目的としている。実験結果から、提案するネットワークはCOCOおよびMPIIの人体ポーズ推定データセットにおいて、最先端の軽量ネットワークを上回る優れた性能を達成した。コードは以下のURLで公開されている：https://github.com/ZiyiZhang27/Dite-HRNet。