Sapiens Depth 2b

🚀 Depth-Sapiens-2B

Sapiensは、1024 x 1024の画像解像度で3億枚の人間の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。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。

✨ 主な機能

Sapiensは、1024 x 1024の画像解像度で3億枚の人間の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。事前学習されたモデルを人間中心のビジョンタスクに微調整すると、実環境の条件に対して汎化します。 Sapiens-2B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。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驚くほどの汎化性能を示します。

📚 ドキュメント

• 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

Depth 2Bモデルは、人間の画像の相対深度を推定するために使用できます。

📄 ライセンス

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