Sapiens Seg Foreground 1b Torchscript

🚀 Seg-Foreground-Background-Sapiens-1B-Torchscript

Sapiensは、1024 x 1024の画像解像度で3億枚の人間の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されると、実環境の条件に一般化されます。

🚀 クイックスタート

このセクションでは、Seg-Foreground 1Bモデルの概要と基本的な使用方法を説明します。このモデルは画像から前景の人間をセグメント化するために使用できます。

✨ 主な機能

• Sapiensは、1024 x 1024の画像解像度で3億枚の人間の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されると、実環境の条件に一般化されます。
• 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。
• 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一般化能力を示します。

📚 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されると、実環境の条件に一般化されます。 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。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一般化能力を示します。

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: https://huggingface.co/spaces/facebook/sapiens-seg
• 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

📄 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。