2Dのキーポイントに対して、時間方向にdilated畳み込みを利用することで3Dのポーズ推定を行うモデルを提案。さらにカメラパラメータのみでラベルを必要としないback-projection(2Dの関節->3Dのポーズ->2Dの関節を結びつけるauto encoderのようなもの)により、半教師学習も可能。なおこの時のキーポイントはDetectronで検出している。