Sapiens Pose 0.6b Torchscript

🚀 Pose-Sapiens-0.6B-Torchscript

Sapiensは、1024 x 1024の画像解像度で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。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すると、実環境の条件にも汎化できます。Sapiens-0.6B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されたデータであっても、実環境のデータに対して顕著な汎化能力を示します。

✨ 主な機能

• Pose 0.6Bモデルは、単一画像上の308個のキーポイント（体 + 顔 + 手 + 足）を推定するために使用できます。

📚 ドキュメント

モデル詳細

• 開発者: Meta
• モデルタイプ: Vision Transformer
• ライセンス: Creative Commons Attribution-NonCommercial 4.0
• タスク: pose
• 形式: torchscript
• ファイル: sapiens_0.6b_goliath_best_goliath_AP_609_torchscript.pt2

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-pose
• 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

📄 ライセンス

Creative Commons Attribution-NonCommercial 4.0