人の頭部姿勢を推定することは、多くのアプリケーションにとって重要な問題であり、まだ主に正面姿勢予測のサブタスクとして扱われています。本稿では、制約のないエンドツーエンドの頭部姿勢推定のための新規手法を提案し、全方位の向きを持つ頭部姿勢予測という困難な課題に取り組みます。回転ラベルの曖昧さという問題に対処するために、真実データに対して回転行列形式を導入し、効率的かつ堅牢な直接回帰のために連続的な6次元回転行列表現を提案します。これにより、全範囲の回転外観を効率的に学習し、現行の最先端技術の限界を克服することが可能となります。さらに、全方位の頭部姿勢回転データを提供する新たな累積訓練データと、安定した学習のために幾何学的損失アプローチを採用することで、拡張された範囲の頭部向きを予測できる先進的なモデルを開発しました。公開データセットでの広範な評価により、当手法が効率的かつ堅牢な方法で他の最先端手法よりも大幅に優れていることが示され、その先進的な予測範囲はアプリケーション領域の拡大を可能にします。当研究では、訓練およびテストコードとともに訓練済みモデルもオープンソース化しています: https://github.com/thohemp/6DRepNet360.