본 논문은 마커 없이 인체 자세를 추정하는 기존 심층 학습 기반 모델의 성능 저하 문제를 해결하기 위해 관절 각도 기반 모델링을 제시합니다. 기존 방법들이 수동으로 주석된 부정확한 데이터셋으로 학습되어 키포인트 인식 오류 및 불규칙적인 궤적 변동을 겪는다는 점을 지적하며, 세 가지 핵심 기술을 제안합니다. 첫째, 인체 자세를 강건하게 표현하는 관절 각도 기반 모델을 사용하고, 둘째, 고차원 푸리에 급수를 통해 관절 각도의 시간적 변화를 근사하여 신뢰할 수 있는 정답 데이터를 생성하며, 셋째, 기존 HRNet의 추정 결과를 개선하기 위해 양방향 순환 신경망을 후처리 모듈로 설계합니다. 제안된 방법(JAR)은 고품질 데이터셋으로 학습되어 잘못 인식된 관절을 수정하고 시공간 궤적을 부드럽게 하여 피겨 스케이팅, 브레이킹과 같이 어려운 동작에서도 최첨단 성능을 보입니다.
