Wir präsentieren eine schnelle bottom-up Methode, die über 100 Schlüsselpunkte auf Menschen oder Objekten gleichzeitig erkennt, was auch als Schätzungen von Mensch- oder Objekt-Posen bezeichnet wird. Wir modellieren alle zu einem Menschen oder einem Objekt gehörenden Schlüsselpunkte – die Pose – als Graph und nutzen Erkenntnisse aus der Community-Detection, um die Unabhängigkeit der Schlüsselpunkte zu quantifizieren. Wir verwenden ein Maß für die Zentralität in Graphen, um Trainingsgewichte verschiedenen Teilen einer Pose zuzuweisen. Unser vorgeschlagenes Maß quantifiziert, wie eng ein Schlüsselpunkt mit seiner Nachbarschaft verbunden ist. Unsere Experimente zeigen, dass unsere Methode alle vorherigen Methoden zur Schätzung von Mensch-Posen bei feingranularen Annotationen von Schlüsselpunkten im Gesicht, den Händen und den Füßen mit insgesamt 133 Schlüsselpunkten übertrifft. Wir demonstrieren außerdem, dass unsere Methode sich auch auf Posen von Fahrzeugen verallgemeinern lässt.