本文介绍了一种名为MIM的预训练方法，通过人体部位的引导来指导掩码采样过程，更好地捕捉人体结构信息。提出了一种结构不变的对齐损失，通过人体部位先验来引导不同的掩码视图在同一图像上紧密对齐。该方法命名为HAP，在11个人体为中心的基准测试上取得了新的最高性能。