在人体姿态估计等关键点估计任务中，基于热图的回归方法虽占据主导地位，但仍存在显著缺陷：热图固有地存在量化误差，且生成与后处理过程需要大量计算开销。为寻求更高效的解决方案，我们提出将单个关键点以及空间上相关的关键点集合（即姿态）建模为密集单阶段锚框检测框架中的“目标”对象。因此，我们将该方法命名为 KAPAO（发音为“Ka-Pow”），意为“关键点与姿态作为目标”。KAPAO 通过在单阶段多人群体姿态估计任务中，同时检测人体姿态与关键点对象，并融合两类检测结果，从而充分利用两种表示方式的优势。实验结果表明，相较于以往依赖热图后处理的方法，KAPAO 在速度与精度上均表现更优，尤其在不使用测试时增强（test-time augmentation）的实际应用场景中，其精度-速度权衡表现尤为出色。源代码地址：https://github.com/wmcnally/kapao。