Sapiens Pose 1b Torchscript
Sapiensは3億枚の1024x1024解像度人体画像で事前学習された視覚Transformerモデルで、高精度な姿勢推定タスクのために設計されています。
ダウンロード数 1,245
リリース時間 : 9/9/2024
モデル概要
このモデルは単一画像上の308個のキーポイント推定に使用され、身体、顔、手、足をカバーし、1K高解像度推論をサポートし、優れた汎化能力を持っています。
モデル特徴
高解像度サポート
ネイティブで1K高解像度推論をサポートし、画像入力サイズは1024x768です。
多部位キーポイント検出
身体、顔、手、足の合計308個のキーポイントを同時に検出できます。
強力な汎化能力
アノテーションデータが不足している場合や完全に合成された場合でも、実データに対する優れた汎化能力を発揮します。
効率的な計算
計算量は4.647兆回の浮動小数点演算で、精度と効率のバランスが取れています。
モデル能力
人体姿勢推定
顔キーポイント検出
手キーポイント検出
足キーポイント検出
高解像度画像処理
使用事例
スポーツ分析
アスリート動作分析
アスリートの動作姿勢を分析し、技術動作の改善を支援します。
全身308個のキーポイントを正確に捕捉可能
ヒューマンコンピュータインタラクション
ジェスチャー認識
複雑なジェスチャー動作を認識し、自然なヒューマンコンピュータインタラクションを実現します。
高精度な手キーポイント検出
バーチャルリアリティ
バーチャルアバター駆動
バーチャルアバターをリアルタイムで駆動し、リアルなモーションキャプチャを実現します。
全身姿勢のリアルタイム推定
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98