Sapiens Depth 0.3b

🚀 Depth-Sapiens-0.3B

Sapiensは、1024 x 1024の画像解像度で3億枚の人間画像を事前学習したビジョントランスフォーマーのファミリーです。事前学習されたモデルは、人間中心のビジョンタスクに微調整されると、実環境の条件に対して汎化性能を発揮します。

🚀 クイックスタート

Sapiens-0.3Bは、1Kの高解像度推論をネイティブにサポートしています。得られたモデルは、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である場合でも、実環境のデータに対して顕著な汎化性能を示します。

✨ 主な機能

• 3億枚の人間画像を1024 x 1024の解像度で事前学習
• 人間中心のビジョンタスクに微調整可能
• 1K高解像度推論をネイティブにサポート
• 実環境のデータに対する高い汎化性能

📦 インストール

ドキュメント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。

💻 使用例

ドキュメントに具体的なコード例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

モデル詳細

• 開発元: Meta
• モデルタイプ: Vision Transformer
• ライセンス: Creative Commons Attribution-NonCommercial 4.0
• タスク: 深度推定
• 形式: オリジナル
• ファイル: sapiens_0.3b_render_people_epoch_100.pth

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

🔧 技術詳細

ドキュメントに具体的な技術詳細が50文字以上記載されていないため、このセクションは省略されます。

📄 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。