ポーズ推定とは何ですか？

ポーズ推定の進化

ポーズ推定の研究は1960年代後半から70年代にかけて始まった。長年にわたり、このコンピュータビジョンの課題に対するアプローチは、基本的な数学と幾何学から、人工知能によって駆動されるより高度な方法へと変化してきた。

当初は、固定されたカメラアングルと既知の参照点に依存していた。その後、3Dモデルや特徴マッチングを含むように進化した。今日、YOLO11 ようなディープラーニング・モデルは、画像やビデオからリアルタイムで身体位置を検出することができ、ポーズ推定をかつてないほど高速かつ正確に行うことができる。

技術が進歩するにつれて、研究者たちは様々な物体、特に人間や動物のポーズを監視・追跡できる潜在的な用途を見出した。姿勢推定は、AIツールが以前は不可能だった方法で姿勢や動きを理解し、測定することを可能にするため、特に重要である。 

たとえば、コンピューターがジェスチャーを認識してハンズフリーのインタラクションを可能にしたり、アスリートの動きを分析してパフォーマンスを向上させたり、ビデオゲームのリアルなアニメーションをパワーアップさせたり、さらには患者の回復状況を追跡して医療をサポートしたりする。

他のコンピューター・ビジョン・タスクとどう違うのですか？

姿勢推定は、物体検出やインスタンス分割のような他のコンピュータビジョンタスクとは異なる。これらのタスクは、主に画像内のオブジェクトを識別し、位置を特定することに重点を置いている。 

たとえばオブジェクト検出では、人、乗り物、動物などのアイテムの周囲にバウンディングボックスを描き、その存在と位置を示す。インスタンス・セグメンテーションは、各オブジェクトの正確な形状をピクセル・レベルでアウトライン化することで、これをさらに一歩進めます。

しかし、これらの方法はどちらもオブジェクトが何であるか、どこにあるかということに主眼を置いており、オブジェクトがどのように配置されているか、何をしているかという情報は提供しない。そこでポーズ推定が重要になる。 

肘や膝、あるいは尻尾など、身体の重要なポイントを特定することで、ポーズ推定は姿勢や動きを解釈することができる。これにより、3D空間での動きを含め、動作、ジェスチャー、ボディダイナミクスをより深く理解することができる。

ポーズ推定の仕組みを理解する

姿勢推定モデルは一般に、ボトムアップとトップダウンの2つの主要なアプローチに従う。ボトムアップアプローチでは、モデルはまず肘、膝、肩のような個々のキーポイントを検出し、次にそれらをグループ化して、それらがどの人物や物体に属するかを把握する。一方、トップダウン・アプローチでは、まず各オブジェクト（画像内の人物など）を検出し、次にその特定のオブジェクトのキーポイントを特定します。

‍

YOLO11ようないくつかの新しいモデルは、両方のアプローチの利点を融合している。手作業によるグループ分けのステップを省くことで、ボトムアップ方式の効率性を維持する一方、人物の検出とポーズの推定を一度に行うことで、トップダウン方式の精度を活用している。

カスタムトレーニングYOLO11 姿勢推定

ポーズ推定モデルがどのように機能するかを見ていくと、これらのモデルは実際にどのように異なるオブジェクトのポーズを推定するように学習するのだろうかと疑問に思うかもしれない。そこでカスタム・トレーニングのアイデアが登場する。

カスタム学習とは、自分のデータを使って特定のキーポイントを認識するようにモデルを教えることである。ゼロからモデルを構築するには、大量のラベル付き画像と多大な時間が必要となるため、多くの人は転移学習を選択する。これは、COCO-Poseデータセットで事前に訓練されたYOLO11 ポーズ推定モデルのように、大規模なデータセットですでに訓練されたモデルから開始し、特定のタスクやユースケースのために独自のデータで微調整することを意味します。

例えばヨガのポーズを扱うとしよう。各ポーズにそのアクティビティ特有のキーポイントがラベル付けされた画像を使って、YOLO11 微調整することができる。そのためには、モデルが学習できる注釈付き画像のカスタムデータセットが必要です。 

学習中に、バッチサイズ（一度に処理する画像数）、学習レート（モデルが学習を更新する速度）、エポック（モデルがデータセットを何回繰り返すか）などの設定を調整し、精度を向上させることができます。これにより、特定のニーズに合わせたポーズ推定モデルの構築がより簡単になります。

姿勢推定の実世界での応用

ポーズ推定とは何か、そしてそれがどのように機能するのかを説明したところで、実際の使用例をいくつか詳しく見てみよう。

理学療法における姿勢推定 

姿勢推定は、ヘルスケア業界、特に理学療法において、徐々に信頼できるツールになりつつある。AIとコンピューター・ビジョンを使用することで、これらのシステムはリアルタイムで姿勢と動きを追跡し、理学療法士が提供するようなフィードバックを提供することができる。 

例えば、膝の手術から回復した患者は、ポーズ推定システムを使って、リハビリのエクササイズが正しく行われているかを確認することができる。このシステムは、間違った動きを発見し、改善のための提案を行うことができるため、患者が軌道を維持し、怪我を避けることができる。

‍

リハビリを超えて、ポーズ推定はフィットネスアプリにも進出している。例えば、自宅でトレーニングをしている人は、アプリを使ってエクササイズ中のフォームをチェックすることができる。スクワットの角度を調整したり、デッドリフトで背中がまっすぐになっているか確認するなど、アプリはリアルタイムでフィードバックを与えることができる。これにより、ユーザーはトレーナーを雇うことなくフォームを改善し、怪我を防ぐことができる。

ポーズ推定によるエンターテインメント用モーションキャプチャ

ポーズ推定は、エンターテインメントにおけるモーションキャプチャーのやり方を変え、よりシンプルで身近なものにした。以前は、モーションキャプチャーは、人の体にマーカーを付け、特殊なカメラで追跡する必要があり、厄介で高価なものでした。 

現在では、AIとコンピュータービジョンの進歩により、マーカーを必要とせず、通常のカメラとアルゴリズムを使って体の動きを追跡することができる。

その好例が、ディズニーのAR（拡張現実）ポーザーだ。この楽しいツールは、携帯電話で写真を撮ると、拡張現実の中でデジタルキャラクターがあなたのポーズをコピーしてくれる。写真に写ったあなたのポーズを分析し、3Dキャラクターとマッチングさせることで、楽しくパーソナライズされたARセルフィーを作成することができる。 

‍

動物のポーズ推定による社会行動研究

動物の行動を研究することは、動物がどのようにコミュニケーションをとり、交尾相手を見つけ、子供の世話をし、集団で生活しているかを科学者が理解するのに役立つ。この知識は野生動物を保護し、自然界をより深く理解するために不可欠である。

ポーズ推定は、動物にセンサーやタグを取り付けることなく、画像やビデオを使って動物の動きや姿勢を追跡することで、このプロセスを簡素化する。これらのシステムは自動的に動物のポーズを監視し、毛づくろい、遊び、喧嘩などの行動に関する洞察を提供することができる。 

この興味深い例として、猿の行動を研究するためにポーズ推定を利用している科学者がいる。実際、研究者たちはOpenApePoseのようなデータセットをまとめており、そこには6種の類人猿の71,000以上のラベル付き画像が含まれている。 

‍

ポーズ推定の長所と短所

以下は、ポーズ推定がさまざまな業界にもたらす主な利点の一部である：

• スケーラビリティ: ポーズ推定システムは、スマートフォンから高度なカメラセットアップまで、幅広いデバイスに導入することができるため、さまざまなユースケースや環境に対応し、高い拡張性を持っています。
  
  
• 費用対効果： ポーズ推定は通常のカメラに依存し、高価なセンサーやタグを必要としないため、研究および商業アプリケーションの両方で動きを追跡するための費用対効果の高いソリューションとなる。
  
  
• 継続的なモニタリング：姿勢推定システムは、継続的なリアルタイムの追跡が可能であるため、リハビリテーションにおける患者の進歩や、野生における動物の行動の追跡など、時間の経過に伴う変化をモニタリングすることができる。

ポーズ推定の利点は様々な分野で明らかであるが、考慮すべき課題もある。以下に、留意すべき主な制限をいくつか挙げる：

• 限定的な汎化： 人間のデータセットでトレーニングされたモデルの多くは、特定のデータセットで再トレーニングしないと、動物や一般的でない身体構造にうまく汎化できない。
  
  
• 環境制限：劣悪な照明、高速モーションブラー、乱雑な背景の下では、パフォーマンスが低下する可能性があります。

• オクルージョンに対する感度が高い：特に混雑したシーンや複数人のトラッキングでは、体の一部がブロックされたりフレームから外れたりすると精度が落ちることがあります。

要点

YOLO11ようなディープラーニング・モデルによって、マーカーを使ったシステムからインパクトのあるツールへと進化した。理学療法を向上させるにせよ、インタラクティブなAR体験をパワーアップさせるにせよ、野生動物の研究に役立つにせよ、ポーズ推定は、機械が動きや姿勢を理解する方法を変えつつある。テクノロジーが進歩し続ける中、その限界に対処することは、さらに実用的な用途を解き放ち、私たちや他の生物の動きをよりよく理解する機械を作る鍵となるだろう。

AIに興味がありますか？GitHubリポジトリを探索し、コミュニティとつながり、ライセンスオプションをチェックして、コンピュータビジョンプロジェクトを始めましょう。ソリューションのページでは、小売業におけるAIや 物流業界におけるコンピュータビジョンのようなイノベーションについて詳しくご紹介しています。