Olá LpCoutinho!
Nos links abaixo você encontra os artigos completos dos autores de cada modelo, explicando detalhadamente como foram criados:
Hand Keypoint Detection in Single Images using Multiview Bootstrapping
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗
Neste curso trazemos apenas uma introdução básica sobre a arquitetura de redes neurais convolucionais, utilizadas pelos autores dos artigos acima na criação dos modelos (Seção 2 – Teoria básica). Os autores disponibilizam os modelos pré-treinados neste link: https://github.com/CMU-Perceptual-Computing-Lab/openpose/tree/master/models. Sugiro iniciar sua pesquisa focando em redes neurais convolucionais, para entender bem como funcionam e implementar seus próprios modelos.
Também seguem os links do dataset utilizados para treinamento de cada um dos modelos:
COCO 2020 Keypoint Detection Task
Espero ter ajudado, fico a disposição!
Att,
Dalton