材料は同じ——姿勢を検出し、追跡し、分類する。でも根拠はまるで違います。2026年の2本の論文は、どちらも姿勢キーポイントのパイプラインを作りますが、一方は出力を専門家のラベル（正解データ）と照合し、もう一方はそれができないと自ら明言します。既製の検出器と姿勢推定器が下流の分類器に渡す、というパイプラインの形は、いまやスポーツと臨床のコンピュータビジョンでほぼ「テンプレート」です。検証済みのツールと探索的なツールを分けるのは、検出器や追跡器ではなく——分類器の出力を照合できる独立した正解データがあるかどうかです。
目次
姿勢を入れて、ラベルを出す — 共通の作り方
どちらの論文も、映像を既製の検出・姿勢スタックに通してから、その結果を下流の分類器に渡します——いまやスポーツと臨床のコンピュータビジョンで一般的になったパイプラインの形です。つまり基本の作り方は同じ——検出・追跡・姿勢推定・分類。大きく違うのは、その分類器の出力を実際に何と照合できるか——一方は正解データを持ち、もう一方は持たない——であり、この差はどちらの論文が選んだアーキテクチャよりも、おそらく重大です。
論文01 — 理学療法の運動を採点する
臨床ではなく理学療法の教室向けに作られたこのパイプラインは、既製の検出器・姿勢推定器・追跡器——RTMDet + RTMPose + ByteTrack——を連結し、画面上の2人のうちどちらが療法士でどちらが患者かを（姿勢埋め込みの類似度で）識別する処理まで含みます。そのうえで小さなリカレントモデル（GRU）が、他動関節可動域の運動が正しく実施されたかを採点します：関節検出95%超、分類精度は約96%。
肝心なのは、その数値が何と照合されているか——専門家の注釈による、1つの特定のセットアップです。固定した2カメラ配置、定められた運動セット、学生の集団。これは本物の検証ですが、範囲は狭い。同じレシピが別の運動・カメラ配置・患者集団でどう働くかは、ここでは確立されていません。
論文02 — 採点基準なしでバスケの動きを見る
2本目は同じ道具立て——姿勢キーポイントを生体力学的な特徴量（肘の角度、非対称性、体幹の向き）に変え、それをパターンのクラスにグループ化——を用います。ただし、新たに収集した専門家ラベル付きの映像ではなく既存の多人数トラッキング・データセット（フレーム・選手単位で37,134件の姿勢観測）から作業し、グループ化は訓練済み分類器ではなくルールベースです。重要なのは、正解となる動作・成果ラベルが存在しないこと——論文01の療法士検証済みの正解に相当するものがありません。
そして誠実なのは、この論文自身の結論が、得られたグループ分けをプロキシラベルの分離可能性として読むべきだ、と述べている点です——特徴量がクラスタリングできることの実証であって、どのバスケ動作や成果が実際に起きたかの検証済みの読み取りではない、と。パターンを「プロファイリング」はしても、「採点」するとは主張しません。
同じ作り方、異なる確度
並べてみると、この2本は「姿勢推定→分類器」のパイプラインがもはやほぼテンプレートになっていることを示します——しかしテンプレートそのものは、その個別の応用がどれだけ信頼できるかについては、ほとんど何も語りません。検証済みのツールと探索的なツールを分けるのは、検出器や追跡器の洗練度ではなく、分類器の出力を照合できる独立した正解データがあるか、そしてそれが無いとき著者が明言しているか、です。
ここでの2本は、いずれも自らの証拠の位置づけを明言しています——これは、どちらかの個別の精度の数値よりも、より一般化できる知見かもしれません。土台となる姿勢推定の現在地は6モデルの姿勢推定精度の比較を、目的特化の検証ベンチマークがどんなものかはCalTennis のベンチマークもご覧ください。
よくある質問
「姿勢推定→分類器」のパイプラインとは？
いまや標準的な形です。映像を既製の人物検出器と姿勢推定器（通常は追跡器も）に通し、得られたキーポイントを特徴量に変え、それを下流の分類器やグループ化ステップに渡します。今回の2本はどちらもまさにこの形で、違いはアーキテクチャではなく、最終的なラベルの背後にある「根拠」にあります。
なぜここで「正解データ」がそれほど重要なのですか？
分類器の精度の数値は、照合できる何かに対してのみ意味を持つからです。専門家ラベルの正解があれば（論文01）、「約96%正解」には意味があります。無ければ（論文02）、特徴量がクラスタリングできることは示せても、そのクラスタが実際の動作や成果に対応するとは主張できません——それこそ、この論文が慎重に述べている点です。
関節検出の精度が高ければ、システム全体が検証されたことになりますか？
いいえ。高い検出・姿勢精度は上流のキーポイントの話であって、下流のラベルの話ではありません。きれいに追跡できても、その分類に独立した正解データが無ければ、分類は未検証のままになり得ます。2つの問いは別物で、検出器に関わるのはそのうちの1つだけです。
参考文献
[1] Hao, Z. B. D., Operario, K. I., Sibreno, C. L. M., & Pilongo, G. A. (2026). Computer Vision and Machine Learning Pipeline for Quantitative Analysis of Passive Range of Motion Exercises for Physical Therapy Education. Proceedings of ICSIE 2026, 135–144.
[2] Gao, Y. (2026). Pose-derived biomechanical feature profiling and proxy pattern classification of basketball player movements. Scientific Reports.
福島 崇（Takashi Fukushima） — Sports Science & Pose Estimation.
▶ YouTubeで登録 · ウェブサイト · ORCID · お問い合わせ