Vitpose

SuperPointは、自己教師あり学習で訓練された全畳み込みネットワークで、関心点検出と記述に使用されます。

ViTPoseは視覚Transformerベースの人体姿勢推定モデルで、MS COCOキーポイントテストセットで81.1 APの精度を達成し、モデルの簡潔さ、スケーラビリティ、トレーニングの柔軟性などの利点があります

ViTPose++はビジョントランスフォーマーを基盤とした人体姿勢推定モデルで、MS COCOキーポイント検出ベンチマークで81.1 APの優れた性能を達成しました。

ViTPoseは視覚Transformerベースの人体姿勢推定モデルで、シンプルな設計によりMS COCOキーポイント検出ベンチマークで81.1 APの優れた性能を達成しました。

SuperGlueはグラフニューラルネットワークベースの特徴マッチングモデルで、画像中の関心点をマッチングするために使用され、画像マッチングや姿勢推定タスクに適しています。

ViTPose++はビジョントランスフォーマーを基盤とした人体姿勢推定の基本モデルで、MS COCOキーポイントテストセットで81.1 APという優れた性能を達成しました。

img2poseはFaster R-CNNベースのモデルで、写真内の全ての顔の6自由度姿勢（6DoF）を予測し、3D顔を2D平面に投影できます。

ViTPose++はビジョントランスフォーマーに基づく人体姿勢推定の基本モデルで、MS COCOキーポイントテストセットで81.1 APの優れた性能を達成しました。

SynthPoseはVitPose巨大バックボーンネットワークを基にしたキーポイント検出モデルで、合成データによるファインチューニングにより52の人体キーポイントを予測し、運動学分析に適しています。

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。