Winter Conference on Applications of Computer Vision 2026（WACV 2026）において、以下の論文が 採択（Accepted） されました

H. Cui, W. Hua, R. Huang, S. Jia, T. Hayama,
“SasMamba: A Lightweight Structure-Aware Stride State Space Model for 3D Human Pose Estimation”,
in Proc. WACV 2026, Tucson, Arizona, USA, 2026

https://arxiv.org/abs/2511.08872

WACV は、コンピュータビジョン分野における主要な国際会議の一つであり、本採択は本研究の学術的意義と技術的貢献が国際的に評価された結果です
発表は 2026年3月、米国アリゾナ州ツーソンにて行われる予定です

Paper Overview

SasMamba proposes a lightweight and structure-aware state space model for 3D human pose estimation.
Unlike conventional transformer-based or heavy temporal models, the proposed method introduces a stride-aware state space formulation that efficiently captures long-range temporal dependencies while explicitly considering skeletal structure.

By integrating structural priors of the human body with a compact state space design, SasMamba achieves a favorable balance between accuracy, computational efficiency, and model size.
Experimental results demonstrate that the proposed approach maintains competitive performance on benchmark datasets while significantly reducing computational cost, making it suitable for real-time and resource-constrained applications.

論文概要

SasMamba は、3次元ヒト姿勢推定のための軽量かつ構造認識型の状態空間モデルを提案する研究です
従来のTransformer系モデルや大規模な時系列モデルとは異なり、本手法では Stride（時間間隔）を考慮した状態空間表現 を導入し、長時間の動作依存関係を効率的に捉えます

さらに、人体骨格の構造情報を明示的にモデルに組み込むことで、高い推定精度、低計算コスト、小規模モデル、を両立しています
実験結果から、SasMamba は既存手法と同等以上の性能を維持しつつ、リアルタイム処理や計算資源が限られた環境にも適用可能であることが示されました