人間のパース（human parsing）は、近年ますます注目を集める研究分野である。本研究では、実際の屋外環境における複数人のパース問題を導入することで、人間パースの研究の限界をさらに押し広げることを目的とする。従来の人間パース研究は主に単一人物のシナリオに焦点を当てており、実世界の場面では複数の人物が同時に存在し、相互作用や隠蔽（オクルージョン）が生じるという現実とは乖離している。この複数人パース問題に対応するため、我々は新たな「複数人パース（Multi-Human Parsing, MHP）データセット」と、新規の複数人パースモデル「MH-Parser」を提案する。MHPデータセットは、実世界のシーンに登場する複数人の画像を収録しており、インスタンスに意識的な設定のもと、画素単位の細粒度なセマンティックアノテーションを備えている。一方、MH-Parserは、新しいGraph-GANモデルを活用し、下位から上位へのアプローチ（bottom-up）により、同時に全体のパースマップと人物インスタンスマスクを生成する。本研究では、MHPデータセットが今後の複数人パースモデルの開発に貴重なデータリソースとして機能すると期待し、MH-Parserは屋外環境における複数人パース研究の強力なベースラインを提供すると考える。