الإنسان هو أحد الفئات الأساسية في مهام التعرف البصري مثل الكشف والتقسيم وتقدير الوضع. رغم الجهود الكبيرة المبذولة في مهام فردية، فإن تعلم المهام المتعددة لهذه المهام الثلاثة قد تم دراسته نادرًا. في هذا البحث، نستكشف هندسة شبكة متعددة المهام مدمجة تشارك بشكل أقصى معلمات المهام المتعددة من خلال التعلم المحور حول الكائنات. لهذا الغرض، نقترح تصميم استعلام جديد يتيح ترميز المعلومات المتعلقة بحالات الإنسان بكفاءة، والذي نسميه الاستعلام المحور حول الإنسان (HCQ). يمكّن HCQ الاستعلام من تعلم المعلومات الصريحة والهيكلية للإنسان بالإضافة إلى نقاط المفتاح (keypoints). علاوة على ذلك، نستخدم HCQ مباشرة في رؤوس التنبؤ الخاصة بالمهام المستهدفة ونقوم أيضًا بتداخل HCQ مع الانتباه القابل للتشوه (deformable attention) في محولات الفكoders لاستغلال تمثيل محور حول الكائن جيد التعلم. تظهر النتائج التجريبية أن الشبكة المتعددة المهام المقترحة تحقق دقة مكافئة لدقة أفضل النماذج الخاصة بالمهام في مهام كشف الإنسان والتقسيم وتقدير الوضع، بينما تستهلك تكاليف حسابية أقل.