يقترح هذا البحث شبكة توليدية للتقسيم (GPN) جديدة لمعالجة مشكلة تقدير وضعيات الأشخاص المتعددة التي تمثل تحديًا. على عكس النماذج الموجودة التي تكون إما تمامًا من الأعلى إلى الأسفل أو من الأسفل إلى الأعلى، يُدخل GPN المقترح استراتيجية جديدة - حيث يقوم بتوليد التقسيمات للأفراد المتعددة من مرشحي المفاصل العالمية ويتوقع تكوينات المفاصل الخاصة بكل فرد في الوقت نفسه. يتميز GPN بتعقيد منخفض ودقة عالية في اكتشاف وإعادة تنظيم المفاصل. بشكل خاص، يصمم GPN نموذجًا توليديًا يقوم بدورة تغذية واحدة للأمام لتوليد اكتشافات شخصية قوية مع تقسيمات للمفاصل بكفاءة، مستندًا إلى الانحدارات الكثيفة من مرشحي المفاصل العالمية في مساحة مضمنة معلمة بمركبات الأفراد. بالإضافة إلى ذلك، يصيغ GPN عملية الاستدلال لتقييم وضعيات الإنسان كمشكلة تقسيم الرسم البياني، ويقوم بتحسين محلي لكل اكتشاف شخصية باستخدام مؤشرات الارتباط العالمية الموثوقة، مما يؤدي إلى تقليل التعقيد وتحسين الأداء. يتم تنفيذ GPN باستخدام هندسة الساعة الرملية (Hourglass) كشبكة أساسية لتعلم اكتشاف المفصل والانحدار الكثيف في الوقت نفسه. أظهرت التجارب الواسعة على مقاييس الأداء مثل MPII Human Pose Multi-Person، PASCAL-Person-Part الموسّع، و WAF كفاءة GPN وأدائها الذي يعتبر أفضل ما تم الوصول إليه حتى الآن (state-of-the-art).