人物解析是针对图像中人物身体和衣着的图像分割任务。主要应用在以人为主要参与对象的场景中,可用来辅助人物检索和人物行为识别,也可用于线上虚拟试衣和人物图像编辑以带来更好的网络购物体验和交互体验。相较于其他图像解析任务,人物图像中存在人体姿态多变以及多人相互遮挡问题,这使得人物解析需要更多地结合网络不同层次的特征。基于这些考虑,本文提出了两个辅助任务:人物前景预测和人物边缘检测,来从不同方面辅助人物解析。与主要关注不同类别间差异的人物解析不同,前景预测主要关注前景人物和凌乱的背景之间的差异,而边缘检测更多关注不同类别的边缘区域。两个辅助任务有助于提高人物解析在多人拥挤场景下的预测能力,同时边缘检测提供的局部参考信息有助于较小尺度的解析类别预测。两个辅助任务和人物解析任务有着相互补充的地方,但三个任务间也存在矛盾之处。前景预测将所有解析类别视作同一类别,基于前景特征的前景注意力作用与人物解析特征时能够起到过滤背景的作用,但也一定程度上平滑了原有的解析特征。为了缓解这个问题,本文提出在前景特征与解析特征融合后使用基于原解析特征的通道注意力来恢复特征通道间关系。不同与人物解析,边缘检测更多依赖于低层特征,为了增加边缘特征中的语义信息以及更好地和人物解析特征相匹配,本文将解析特征也用于边缘检测,同时将边缘分支的输入特征网格划分并融合特征位置信息。为进一步缓和三种任务间的矛盾,三种任务特征都受到人物解析的监督,三个解析预测结果经重打分模块后预测出最终的人物解析结果。为探索现实场景下的人物解析,本文将基于前景指导的思路也应用到实例级人物解析中。人物前景预测结果指导主干网络产生专注于前景区域的全局特征。为加强对人物结构的学习,在人物解析预测分支中加入了对不同人物结构关联关系进行学习的模块。本文通过大量的实验证明了所提出方法的有效性,与近期相关工作相比本文提出的方法都能够取得相近甚至更好的结果。