I^2R-Net: 多人数姿勢推定のための個体内および個体間関係ネットワーク

本論文では、多人数姿勢推定のための人間内関係ネットワークと人間間関係ネットワーク（I^2R-Net）を提案します。この手法は2つの基本モジュールから構成されています。まず、人間内関係モジュールは単一の人間に対して作用し、人間内の依存関係を捉えることを目指しています。次に、人間間関係モジュールは複数のインスタンス間の関係を考慮し、人間間の相互作用を捉えることに焦点を当てています。この人間間関係モジュールは特徴マップの解像度を低下させることで非常に軽量に設計できますが、有用な関係情報を学習して、人間内関係モジュールの性能を大幅に向上させることが可能です。特別な工夫なしでも、当手法は現行の競争勝者と同等かそれ以上の性能を発揮します。COCO、CrowdPose、およびOCHumanデータセットにおいて広範な実験を行いました。結果は提案モデルが全ての最先端手法を超えることを示しており、具体的にはCrowdPoseデータセットで77.4% AP（平均精度）、OCHumanデータセットで67.8% APを達成し、既存手法よりも大幅に優れています。さらに、削減研究と可視化分析も当モデルの有効性を証明しています。注：「削減研究」は一般的な訳語ではなく、「ablation study」（特定の要素を取り除いてその影響を見ること）という技術的な意味を持つため、「削減研究（ablation study）」と表記しました。