Die menschliche Parsing-Aufgabe erlangt zunehmend Forschungsinteresse. In dieser Arbeit zielen wir darauf ab, die Grenzen des menschlichen Parsing voranzutreiben, indem wir das Problem des Mehrperson-Parsing in natürlichen Umgebungen (in the wild) einführen. Bisherige Arbeiten zum menschlichen Parsing konzentrieren sich hauptsächlich auf Einzelpersonenszenarien, was von realen Anwendungen abweicht, in denen mehrere Personen gleichzeitig vorhanden sind und miteinander interagieren sowie sich gegenseitig verdecken können. Um das Problem des Mehrperson-Parsing zu adressieren, stellen wir einen neuen Mehrperson-Parsing-(MHP)-Datensatz und ein neuartiges Mehrperson-Parsing-Modell namens MH-Parser vor. Der MHP-Datensatz enthält mehrere Personen, die in realen Szenen erfasst wurden und über pixelgenaue, feinkörnige semantische Annotationen in einer instanzbewussten Ausprägung verfügen. Der MH-Parser generiert auf bottom-up-Basis gleichzeitig globale Parsing-Karten und Personen-Instanzmasken mit Hilfe eines neuartigen Graph-GAN-Modells. Wir gehen davon aus, dass der MHP-Datensatz als wertvolle Datengrundlage zur Entwicklung neuer Mehrperson-Parsing-Modelle dienen wird und der MH-Parser eine starke Baseline für zukünftige Forschungsarbeiten zum Mehrperson-Parsing in natürlichen Umgebungen bietet.