3D人間ポーズ推定のためのネットワーク構造の最適化

人間のポーズは、関節がノード、骨がエッジであるグラフとして自然に表現されます。したがって、2Dポーズから3Dポーズを推定するためにグラフ畳み込みネットワーク（GCN）を適用するのは自然です。本研究では、GCNと完全接続ネットワーク（FCN）の両方が特別なケースである一般的な定式化を提案します。この定式化から、3Dポーズを推定するために使用する際のGCNの限られた表現力を発見しました。この限界を克服するために、この一般的な定式化によって自然に実装されるローカル接続ネットワーク（LCN）を導入します。これにより、GCNに対する表現能力が顕著に向上します。さらに、各関節はその近傍の数少ない関節にしか接続されていないため、強い一般化能力があります。公的データセットにおける実験は、（1）最先端技術を上回ること、（2）代替モデルよりもデータ要求が少ないこと、（3）未見の行動やデータセットに対しても良好に一般化することを示しています。