遮蔽された歩行者ポーズ推定のためのディープマルチタスクネットワーク

既存の歩行者ポーズ推定に関する多数の研究では、遮蔽された歩行者のポーズを推定するという点が考慮されていない。その理由は、自動車関連のデータセットにおいて遮蔽された部位のアノテーションが提供されていないためである。たとえば、自動車シーンにおける歩行者検出に広く用いられるデータセットであるCityPersonsは、ポーズアノテーションを提供していないのに対し、非自動車系のデータセットであるMS-COCOは人間のポーズ推定用のアノテーションを含んでいる。本研究では、これらの2つのデータ分布に対して、それぞれ独立して検出およびインスタンスセグメンテーションタスクを実行することで歩行者特徴を抽出するマルチタスクフレームワークを提案する。その後、両分布からの歩行者インスタンスに対して、非教師付きインスタンスレベルドメイン適応手法を用いてポーズ固有の特徴を学習するエンコーダを構築する。提案するフレームワークは、ポーズ推定、歩行者検出、インスタンスセグメンテーションの各タスクにおいて、従来の最先端性能を向上させた。