本稿では、人体全体（体幹、足、顔、手など）に存在する密集したランドマークを局所化することを目的とする2次元全身人体ポーズ推定の課題に取り組む。我々は、人体全体の階層構造を考慮し、異なる身体部位間のスケール変動に対処できる単一ネットワークアプローチ「ZoomNet」を提案する。さらに、全身ポーズ推定の精度と効率の両方を向上させるために、「ZoomNAS」と呼ばれるニューラルアーキテクチャ探索フレームワークを提案する。ZoomNASは、モデルアーキテクチャと異なるサブモジュール間の接続を同時に探索し、探索されたサブモジュールに対して計算複雑度を自動的に割り当てる。ZoomNASの訓練および評価を行うために、野外画像に対して133個のキーポイントをアノテーションした、初めての大規模な2次元人体全身データセット「COCO-WholeBody V1.0」を導入する。広範な実験により、ZoomNASの有効性およびCOCO-WholeBody V1.0の重要性が実証された。