# 3億枚の画像事前学習

Sapiensは3億枚の高解像度人間画像で事前学習された視覚Transformerモデルで、姿勢推定タスク向けに設計されており、308のキーポイント検出をサポートします。

Sapiensは3億枚の高解像度人間画像で事前学習された視覚Transformerモデルで、姿勢推定タスク向けに設計されており、308のキーポイント検出をサポートします。

Sapiensは、3億枚の1024 x 1024解像度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シリーズモデルで、人間中心の視覚タスクに焦点を当てています。

Sapiensは3億枚の1024x1024解像度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モデルファミリーで、1K高解像度推論をサポートし、アノテーションデータが不足しているか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。