Sapiens Depth 1b Bfloat16

🚀 Depth-Sapiens-1B-Bfloat16

このモデルは、人間画像に対する相対深度推定に特化したビジョントランスフォーマーです。3億枚の1024x1024解像度の人間画像で事前学習され、人間中心のビジョンタスクにおいて優れた汎化性能を発揮します。

✨ 主な機能

• Sapiensは、1024x1024解像度の3億枚の人間画像で事前学習されたビジョントランスフォーマーのファミリーです。人間中心のビジョンタスクにファインチューニングすると、実環境でも汎化性能を発揮します。
• Sapiens-1Bは、ネイティブで1Kの高解像度推論をサポートしています。結果として得られるモデルは、ラベル付きデータが不足している場合や完全に合成データの場合でも、実環境のデータに対して顕著な汎化性能を示します。

📦 インストール

READMEに具体的なインストール手順が記載されていないため、このセクションは省略されます。

📚 ドキュメント

モデルの詳細

モデルカード

その他のリソース

• リポジトリ: https://github.com/facebookresearch/sapiens
• 論文: https://arxiv.org/abs/2408.12569
• デモ: https://huggingface.co/spaces/facebook/sapiens-depth
• プロジェクトページ: https://about.meta.com/realitylabs/codecavatars/sapiens
• 追加結果: https://rawalkhirodkar.github.io/sapiens
• HuggingFaceコレクション: https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

💻 使用例

基本的な使用法

Depth 1Bモデルは、人間画像の相対深度を推定するために使用できます。具体的なコード例がREADMEに記載されていないため、ここでは省略されます。

📄 ライセンス

このモデルは、Creative Commons Attribution-NonCommercial 4.0ライセンスの下で提供されています。