الإدراك المتمحور حول الإنسان (مثل الكشف، والتقسيم، وتقدير الوضع، وتحليل الصفات) هو مشكلة قديمة في مجال رؤية الحاسوب. يُقدّم هذا البحث إطارًا موحدًا ومتنوعًا (HQNet) للإدراك المتمحور حول الإنسان متعدد الأشخاص والمهمات في مرحلة واحدة (HCP). نهجنا يركز على تعلم تمثيل استعلامي موحّد للإنسان، والذي يُشار إليه باسم "استعلام الإنسان" (Human Query)، حيث يقوم بالتقاط الخصائص المعقدة على مستوى الحالة لكل فرد ويفرغ السيناريوهات المتعددة للأفراد. رغم أن المهام المختلفة المتعلقة بالإدراك المتمحور حول الإنسان قد تم دراستها بشكل جيد بشكل منفصل، فإن التعلم متعدد المهام في مرحلة واحدة لم يتم استغلاله بالكامل في الأدب بسبب عدم وجود مجموعة بيانات شاملة كمعيار مرجعي. لسد هذه الفجوة، نقترح معيار COCO-UniHuman لتمكين تطوير النماذج وتقييمها الشامل.تظهر النتائج التجريبية أداء الطريقة المقترحة الذي يعتبر من أفضل الأداء بين النماذج متعددة المهام في الإدراك المتمحور حول الإنسان، وكذلك أدائها التنافسي مقارنة بالنماذج الخاصة بالمهمة الواحدة. بالإضافة إلى ذلك، تؤكد تجاربنا على قابلية "استعلام الإنسان" (Human Query) للتكيف مع مهمات جديدة في الإدراك المتمحور حول الإنسان، مما يثبت قدرته على التعميم بقوة. يمكن الوصول إلى الرموز والبيانات عبر الرابط: https://github.com/lishuhuai527/COCO-UniHuman.