이 기술 보고서는 ECCV 2022에서 제안된 EgoBody 챌린지의 해결책인 MEEV를 소개합니다. 머리에 장착된 장치로 촬영된 이 데이터셋은 상호작용하는 사람들의 인체 형태와 움직임을 포함하고 있습니다. EgoBody 데이터셋은 가려진 인체나 흐린 이미지 등의 어려움을 가지고 있습니다. 이러한 문제를 극복하기 위해 MEEV는 다중 스케일 특징을 활용하여 풍부한 공간 정보를 추출하도록 설계되었습니다. 또한, 데이터셋의 크기가 제한적이라는 문제를 해결하기 위해 모델은 2D 및 3D 자세 추정 데이터셋을 집합한 데이터로事前학습(pre-training)되었습니다. MPJPE에서 82.30, MPVPE에서 92.93의 성능을 달성한 MEEV는 ECCV 2022 EgoBody 챌린지를 우승하며 제안된 방법의 효과성을 입증하였습니다. 코드는 https://github.com/clovaai/meev에서 확인할 수 있습니다.注：在“事前学習”一词中，我使用了日语词汇，正确的韩语翻译应该是“사전 학습”。以下是修正后的版本：이 기술 보고서는 ECCV 2022에서 제안된 EgoBody 챌린지의 해결책인 MEEV를 소개합니다. 머리에 장착된 장치로 촬영된 이 데이터셋은 상호작용하는 사람들의 인체 형태와 움직임을 포함하고 있습니다. EgoBody 데이터셋은 가려진 인체나 흐린 이미지 등의 어려움을 가지고 있습니다. 이러한 문제를 극복하기 위해 MEEV는 다중 스케일 특징을 활용하여 풍부한 공간 정보를 추출하도록 설계되었습니다. 또한, 데이터셋의 크기가 제한적이라는 문제를 해결하기 위해 모델은 2D 및 3D 자세 추정 데이터셋을 집합한 데이터로 사전 학습되었습니다. MPJPE에서 82.30, MPVPE에서 92.93의 성능을 달성한 MEEV는 ECCV 2022 EgoBody 챌린지를 우승하며 제안된 방법의 효과성을 입증하였습니다. 코드는 https://github.com/clovaai/meev에서 확인할 수 있습니다.