ポーズ推定におけるUltralytics YOLO26と他のUltralytics YOLOモデルの比較

誰かの姿勢を見ると、前かがみになっているか、前方に体を傾けているか、まっすぐ立っているかを簡単に見分けられます。人間は、身体のさまざまな部分が互いにどのように関係しているかをすばやく理解できます。

これは、日常生活で動きやボディランゲージを解釈する方法に本来備わっている要素です。しかし、機械にとって、このような視覚的理解は自動的に得られるものではありません。動きや構造を認識するようにシステムを学習させるには、画像を意味のある形で解釈できる高度なディープラーニングとコンピュータビジョン技術が必要です。

特に、ポーズ推定は、コンピュータビジョンモデルが同様の理解を構築できるようにするビジョンAI技術です。画像内の物体を単に検出するのではなく、モデルは重要な構造上の基準点を表すキーポイントを予測します。

これらのキーポイントは、身体の関節、動物の四肢、機械の構成部品、さらにはコートの角のような固定点に対応します。これらの点を特定して追跡することで、システムは位置、整列状態、動きを構造化された測定可能な方法で理解できます。

ポーズ推定がより多くの実世界のシナリオに適用されるにつれ、モデルは人間以外のキーポイント、複雑なシーン、カスタムデータセットをより効果的に扱う必要があります。たとえば、Ultralytics YOLO26のような最先端モデルは、ポーズ推定などのコンピュータビジョンタスクをサポートし、柔軟性と全体的なパフォーマンスの向上を目的としたアーキテクチャおよびトレーニングの改善によって、従来のYOLOポーズモデルを発展させています。

図1. YOLOによるポーズ推定の例（出典）

この記事では、YOLO26-poseと従来のUltralytics YOLOポーズモデルを比較し、複雑なシーンにおける柔軟性、収束速度、パフォーマンスがどのように向上しているかを説明します。さっそく始めましょう。

姿勢推定とは何ですか？#

Ultralytics YOLOポーズモデルを比較する前に、コンピュータビジョンの文脈でポーズ推定が実際に何を意味するのかを詳しく見ていきましょう。

ポーズ推定は、画像またはビデオフレーム内の特定のキーポイントを検出して追跡するために使用される技術です。これらのキーポイントは、人体の関節、動物の四肢、機械の構成部品、シーン内の固定された基準点など、重要な構造上の基準点を表します。

図2. 人間のポーズ推定による作業員のポーズ推定（出典）

これらの点の座標を特定することで、モデルは物体の位置や時間経過に伴う動きを理解できます。画像全体に単一のラベルを割り当てる画像分類や、物体の周囲にバウンディングボックスを描くことに重点を置く物体検出モデルとは異なり、ポーズ推定は構造と動きに関する、より詳細な空間情報を提供します。

Ultralytics YOLO26-poseの概要#

YOLO26-poseには、YOLO26n-poseのような軽量なモデルや、YOLO26m-pose、YOLO26l-pose、YOLO26x-poseのような大規模モデルなど、複数のモデルバリアントまたはモデルサイズがあります。これにより、チームはハードウェアとパフォーマンスの要件に応じて、速度と精度の適切なバランスを選択できます。

Ultralyticsは、COCOデータセットのような大規模で汎用的なデータセット、具体的には人間のポーズ推定用のCOCO-Pose（COCOキーポイント）アノテーションで学習した、事前学習済みのポーズモデルも提供しています。そのため、ゼロから始める必要はありません。多くの場合、チームはこれらのモデルを独自のデータセットでファインチューニングし、特定のキーポイント、レイアウト、環境に適応させます。

通常、この作業には、キーポイントの座標とクラスラベルを構造化された形式で定義するカスタムアノテーションファイルの準備が含まれます。これらのアノテーションは、各画像内の特定のピクセル座標にキーポイントを対応付けるため、モデルはトレーニング中に正確な空間関係を学習できます。

事前学習済みモデルを使用すると、トレーニングが高速化し、必要なデータ量を削減できるため、プロジェクトをより効率的に本番環境へ移行できます。

人間のポーズ推定の実世界での応用#

ここでは、ポーズ推定が重要な役割を果たす実世界のユースケースをいくつか紹介します。

• 医療とリハビリテーション: 臨床医はポーズモデルを使用して、姿勢の評価、回復状況のモニタリング、理学療法中の動作パターンの分析を行えます。
• 自律システム: ドローンやスマートカメラは、ポーズ情報を使用して、動的なシーンにおける物体の向きや動きをより適切に理解できます。
• 職場の安全: 組織は身体の位置や反復動作をモニタリングし、潜在的な安全リスクの特定に役立てられます。
• フィットネスとパーソナルトレーニング: フィットネスアプリはポーズ推定を使用して、運動フォームの追跡、反復回数のカウント、フィットネスチュートリアル中に維持される姿勢や動きに関するリアルタイムのフィードバック提供を行います。

図3. ポーズ推定は、アスリートの動作中に主要な身体部位を追跡するのに役立ちます。（出典）

Ultralytics YOLO26のポーズ推定サポートを詳しく見る#

Ultralytics YOLO26は、トレーニングとデプロイをより実用的にするための更新により、従来のUltralytics YOLOモデルを発展させています。

従来のバージョンと同様に、統合フレームワークの一部としてポーズ推定をサポートしています。主な違いは、Ultralytics YOLO26が、より幅広い実世界のユースケースで柔軟かつ安定して動作するように構築されている点です。

図4. YOLO26のベンチマーク（出典）

従来のUltralytics YOLOポーズモデルは、主に人間のポーズデータセットの影響を受けていたため、以前の手法の一部は人間の関節構造を中心に最適化されていました。YOLO26では、このような人間固有の前提を排除しています。

その結果、テニスコートの角やその他のカスタム構造基準点の検出など、人間以外のキーポイントにより適しています。これは重要な点です。なぜなら、すぐに使用できる事前学習済みのUltralytics YOLO26-poseモデルはCOCO-poseなどのデータセットで学習され、データセットのアノテーションで定義された人間のキーポイントを予測するためです。

一方、チームが機械の構成部品、スポーツフィールドのマーカー、インフラストラクチャの地点など、異なる種類の基準点を検出したい場合、通常は、それらの特定のキーポイントにアノテーションを付けたカスタムデータセットでモデルをファインチューニングする必要があります。

Ultralytics YOLO26は人間の関節構造に関する前提に縛られていないため、ファインチューニング中により効果的に適応できます。この柔軟性により、モデルはカスタムキーポイントレイアウトをより確実に学習でき、固有のキーポイント構成を持つデータセットで検証する際の評価メトリクスの向上につながります。

Ultralytics YOLO26-poseは、物体の一部が隠れている場合や、非常に小さなスケールで現れる場合のキーポイントの位置特定も改善するように設計されています。遠距離の対象、ドローン映像、小さな物体を扱うシーンでは、従来のポーズモデルと比較して、より正確なキーポイント予測につながります。

もう1つの重要な更新は、トレーニング中に使用される損失の定式化の改善です。損失関数は、学習中にモデルが誤りをどのように修正するかを決定します。

Ultralytics YOLO26-poseでは、このプロセスがより効果的になっているため、モデルはより速く学習し、より少ないエポックで高い精度に到達できます。ここでいうエポックとは、トレーニングデータセット全体を1回完全に通過することを指します。

全体として、YOLO26-poseは、従来のUltralytics YOLOポーズモデルを基盤に、人間以外のキーポイントのサポートとトレーニングの収束性を明確に改善しながら、従来と同じ使い慣れたワークフローを維持しています。

YOLO26-poseとUltralytics YOLOv5の比較#

Ultralytics YOLOモデルの初期バージョンであるUltralytics YOLOv5は、主に物体検出用に構築されました。YOLOv5は後にインスタンスセグメンテーションのサポートへ拡張されましたが、公式のUltralyticsフレームワーク内に、ネイティブで専門化されたポーズ推定ヘッドは含まれていません。

キーポイント検出を必要とするチームは、通常、個別の実装やカスタム変更に依存していました。Ultralytics YOLO26にはポーズ推定が組み込みタスクとして含まれており、キーポイントの予測に特化した専用のアーキテクチャヘッドを備えています。

つまり、Ultralytics YOLO26-poseモデルは、検出やセグメンテーションと同じ統合ワークフロー内で、トレーニング、検証、デプロイを実行できます。構造化されたキーポイント検出を重視するプロジェクトに対して、YOLO26はネイティブのポーズサポートとタスク固有のアーキテクチャを提供しますが、YOLOv5には標準でこの機能がありません。

主な違い: YOLO26-poseとUltralytics YOLOv8-pose#

Ultralytics YOLOv8は、統合されたUltralyticsフレームワーク内にネイティブのポーズ推定を導入し、検出やセグメンテーションと同じワークフローでキーポイントモデルを簡単にトレーニングおよびデプロイできるようにしました。非最大抑制（NMS）を使用する従来型の後処理パイプラインに依存し、バウンディングボックス回帰とトレーニングには以前の損失の定式化を使用します。

Ultralytics YOLO26は、ポーズ推定に直接影響するアーキテクチャとトレーニングの更新によって、この基盤を発展させています。大きな違いの1つは、エンドツーエンド設計です。YOLO26は推論時に外部NMSを必要としないため、デプロイが簡素化され、特にCPUやエッジデバイスでのレイテンシーの一貫性が向上します。

もう1つの重要な改善点は、トレーニング手法です。Ultralytics YOLO26は、更新された損失戦略とともにMuSGDオプティマイザーを導入しています。ポーズタスクでは、Residual Log-Likelihood Estimationを統合し、キーポイントの不確実性のモデル化方法を改善しています。これらの変更により、特に複雑なシーンや部分的にオクルージョンのあるシーンで、より速い収束とより安定したキーポイント予測を実現できます。

つまり、Ultralytics YOLOv8-poseは、強力で汎用性の高いベースラインを確立しました。YOLO26-poseは、そのベースラインを基盤に、トレーニング効率の向上、オクルージョンへの対応改善、実世界の人間以外のポーズ用途に対する柔軟性の向上を実現しています。

YOLO26-poseとUltralytics YOLO11-pose: 何が改善されたのでしょうか？#

Ultralytics YOLO11は、バックボーンと特徴抽出レイヤーを改良することでUltralytics YOLOv8を発展させています。FLOPsを削減し、パラメーター効率を改善し、強力なリアルタイム性能を維持しながら、より高いmAPを実現しました。ポーズタスクでは、より軽量なアーキテクチャでキーポイント精度が向上しました。

YOLO26-poseは、より本質的なアーキテクチャの転換によって、この進化をさらに進めています。簡単に言えば、YOLO11はYOLOv8の効率と精度を改良し、YOLO26はその基盤にアーキテクチャとトレーニングの更新を加えることで、複雑なシナリオにおけるより速い収束、より安定した推論、ポーズ精度の向上を目指しています。

ポーズ推定にUltralytics YOLO26モデルを使い始めるべき理由#

Ultralytics YOLOモデルの違いを検討していると、YOLO26-poseに切り替えるべきか迷うかもしれません。

簡単に言えば、容易にアップグレードできます。すでにUltralytics YOLOv8-poseまたはUltralytics YOLO11-poseを使用している場合、通常はパイプラインを再構築するのではなく、モデルのバージョンを変更するだけでYOLO26-poseに切り替えられます。

人間以外のキーポイントのサポート強化、トレーニング中の収束高速化、オクルージョンのある点への対応改善というメリットを、同じUltralyticsフレームワーク内で得られます。新規および既存のほとんどのポーズプロジェクトにとって、YOLO26-poseへの移行は、最小限の負担でこれらの改善を得るための簡単な方法です。

さらに、YOLO26-poseは、PyTorchを基盤とし、トレーニング、検証、デプロイを簡単に行えるUltralytics Pythonパッケージで完全にサポートされています。モデルはONNX、TensorRT、OpenVINO、CoreML、TFLiteなどの形式にエクスポートできるため、全体的なワークフローを変更せずに、GPU、CPU、エッジデバイス全体へ簡単にデプロイできます。

主なポイント#

Ultralytics YOLO26-poseは、特に人間以外のキーポイントや複雑なシーンを扱う場合に、ポーズ推定をより柔軟かつ信頼性の高いものにします。より高速にトレーニングでき、オクルージョンへの対応が向上し、異なるデータセット間でより一貫した結果を提供します。すでにUltralytics YOLOポーズモデルを使用しているチームにとって、YOLO26は既存のワークフローを変更せずに明確な改善をもたらします。

AIについて詳しく知りたいですか。コミュニティとGitHubリポジトリをご覧ください。ソリューションページで、ロボティクスにおけるAIと農業におけるコンピュータービジョンについて学べます。ライセンスのオプションを確認し、今すぐコンピュータービジョンの構築を始めましょう。