Nous présentons une méthode rapide ascendante (bottom-up) qui détecte simultanément plus de 100 points clés sur des humains ou des objets, également connue sous le nom d'estimation de la posture humaine/objets. Nous modélisons tous les points clés appartenant à un humain ou à un objet -- la posture -- comme un graphe et nous tirons parti des connaissances issues de la détection de communautés pour quantifier l'indépendance des points clés. Nous utilisons une mesure de centralité du graphe pour attribuer des poids d'entraînement à différentes parties d'une posture. Notre mesure proposée quantifie la manière dont un point clé est étroitement connecté à son voisinage. Nos expériences montrent que notre méthode surpasse toutes les méthodes précédentes pour l'estimation de la posture humaine avec des annotations fines des points clés sur le visage, les mains et les pieds, totalisant 133 points clés. Nous montrons également que notre méthode se généralise aux postures des voitures.