تتناول الطرق الحالية لتقدير وضعية الإنسان غالبًا كيفية تحسين أداء تعميم النموذج، مع إهمال مشكلة الكفاءة الهامة. وهذا يؤدي إلى تطوير نماذج ثقيلة ذات قابلية للتوسع وتوفير التكاليف ضعيفة في الاستخدام العملي. في هذا البحث، ندرس مشكلة كفاءة نموذج الوضعية التي لم يتم دراستها بشكل كافٍ ولكنها حاسمة من الناحية العملية. لتحقيق ذلك، نقدم استراتيجية جديدة لتعلم النموذج تُعرف بـ "التنقيط السريع للوضعية" (Fast Pose Distillation - FPD). تحديدًا، يقوم FPD بتدريب بنية شبكة عصبية خفيفة الوزن قادرة على التنفيذ بسرعة وبتكلفة حسابية منخفضة. يتم تحقيق ذلك من خلال نقل فعال لمعرفة هيكل الوضعية من شبكة معلمة قوية. أظهرت التقييمات الواسعة المزايا التي توفرها طريقة FPD الخاصة بنا على مجموعة واسعة من أفضل الطرق الحالية لتقدير وضعية الإنسان من حيث توفير التكاليف في نموذج على مجموعتي بيانات معياريتين هما MPII Human Pose وLeeds Sports Pose.