本论文提出了一种新的底部向上体系结构，用于解决实例感知的人体部位解析的挑战任务。该框架利用结构信息降低人员分区的难度，并通过联合关联建模实现可微分的解决方案。该方法具有端到端的可训练性，并允许将分组误差传播到多层次的人类表征学习中。