在这项工作中，我们建立了RGB图像和人体surface-based的表示之间的密集对应关系，我们称之为密集人体姿态估计。我们首先通过引入高效的annotation pipeline来收集出现在COCO数据集中的5万人的密集对应关系。然后，我们使用我们的数据集来训练基于CNN的系统，“in the wild”实现密集的对应关系，也就是背景，遮挡和尺度变化。我们通过训练能够填补缺失的ground truth值的“inpainting”网络来提高我们的训练集的有效性，并报告过去可以实现的最佳结果方面的明显改进。我们试验用全卷积网络和region-based的模型，并观察后者的优越性;我们通过cascading进一步提高准确性，获得实时提供高精度结果的系统。在这项工作中，我们建立了RGB图像和
