Sapiens Pretrain 1b Torchscript

🚀 Pretrain-Sapiens-1B-Torchscript

Sapiensは、1024 x 1024の画像解像度で3億枚の人間の画像を使って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、人間を中心とした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能力を発揮します。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。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の場合でも、実環境のデータに対して驚くほどの汎化能力を示します。

🚀 クイックスタート

Pretrained 1Bモデルは、特徴抽出、微調整、または新しいモデルの学習の起点として使用できます。

✨ 主な機能

• Sapiensは、3億枚の1024 x 1024解像度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です。
• 人間中心のビジョンタスクに微調整すると、実環境の条件に汎化できます。
• Sapiens-1Bはネイティブで1K高解像度推論をサポートします。
• ラベル付きデータが不足している場合でも、実環境のデータに対して良好な汎化能力を示します。

📦 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。

💻 使用例

READMEに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

モデルの詳細

Sapiensは、1024 x 1024の画像解像度で3億枚の人間の画像を使って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、人間を中心とした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能力を発揮します。 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。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の場合でも、実環境のデータに対して驚くほどの汎化能力を示します。

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: Sapiens Gradio Spaces
• 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

READMEに具体的な技術詳細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。

📄 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。