Sapiens Pose 0.3b Torchscript

🚀 Pose-Sapiens-0.3B-Torchscript

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。この事前学習モデルは、人間中心のビジョンタスクに微調整すると、実環境の条件に汎化します。

🚀 クイックスタート

このモデルは、人間の姿勢推定に使用できます。以下に詳細を説明します。

✨ 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。
• Sapiens-0.3B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。
• このモデルは、実環境のデータに対して優れた汎化性能を示し、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も有効です。

📚 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すると、実環境の条件に汎化します。 Sapiens-0.3B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、実環境のデータに対して顕著な汎化性能を示し、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も有効です。

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: https://huggingface.co/spaces/facebook/sapiens-pose
• プロジェクトページ: https://about.meta.com/realitylabs/codecavatars/sapiens
• 追加の結果: https://rawalkhirodkar.github.io/sapiens
• HuggingFaceコレクション: https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

💻 使用例

Pose 0.3Bモデルは、単一の画像上で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。

📄 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。