我々は、双対ガウス過程（Twin Gaussian Process: TGP）を提案する。TGPは、共変量（covariates）と応答変数（responses）の両方に多変量ガウス過程（GP）事前分布を用いる汎用的な構造化予測手法であり、訓練例およびテスト例の有限インデックス集合上での正規分布としてモデル化された2つのGP間のカルバック・ライブラー（Kullback-Leibler）情報量の最小化によって出力を推定する。この手法の目的は、類似した入力が類似した出力を生み出すべきであるという観点を強調し、その性質が、平均的に、各変数の周辺分布間でも成立することを保証することにある。TGPは、従来のGPが共変量間の相関関係を捉えるのと同様に、応答変数間の相関関係も同時に捉えるため、入力と出力の両方における相関構造を包括的に考慮できる。本手法は、最近導入されたHumanEvaベンチマークにおいて、単眼および複数カメラの動画シーケンスから3次元人体ポーズを再構成するタスクに適用され、複数の人物および複数の行動データを統合的に学習するモデルにおいて、平均して1つの3次元マーカーあたり5cmの誤差を達成するという有望な結果を得た。TGPは高速かつ自動化が可能であり、初期ポーズの手動設定やカメラキャリブレーションパラメータの入力、あるいは訓練・テストに使用される被験者に対応する3次元ボディモデルの存在を必要としない。