あるスポーツ映像の解析会社が、試合の映像から、画面に映る多数の選手それぞれの関節の位置と骨格を推定したい。選手どうしが接近して重なる場面が多く、人数が多くても処理時間をあまり増やさずにリアルタイムに近い速度で処理したい。この目的に合う方法として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：Open Poseによる多人数姿勢推定
ポイント
Open Poseは、関節の候補と関節どうしのつながり（Part Affinity Fields）を画像全体から推定し、多人数の骨格をまとめて組み立てます。
選択肢ごとの解説
- A
適切 正解
Open Poseは、関節の位置を表すマップと、関節どうしのつながりの向きを表すPart Affinity Fieldsを画像全体から推定し、人ごとに組み立てます（ボトムアップ型）。人数が増えても処理時間が増えにくい点が特徴です。
- B
不適切
人を検出してから1人ずつ関節を推定する方法はトップダウン型と呼ばれます。人ごとに推定を繰り返すため、人数に応じて処理時間が増えます。人が重なって検出に失敗すると、その人の関節も推定できません。
- C
不適切
セマンティックセグメンテーションは画素ごとにクラスを割り当てるだけで、選手を1人ずつ区別せず、関節の位置も出力しません。領域の中心は関節の位置とは関係がなく、骨格は推定できません。
- D
不適切
距離だけで結ぶと、選手が接近したり重なったりしたときに、別の選手の関節どうしを誤って結びやすくなります。Open Poseは、つながりの向きを表すPart Affinity Fieldsを使い、この組み合わせの誤りを減らしています。
試験での狙われ方
姿勢推定は、Open Poseの名前と「関節の点とつながりを推定する」仕組みを結び付けて問われやすい論点です。