Sapiens Depth 0.3b Torchscript

🚀 Depth-Sapiens-0.3B-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すると、実環境の条件に対して汎化性能を発揮します。

🚀 クイックスタート

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を人間中心のビジョンタスクに微調整すると、実環境の条件に対して汎化性能を発揮します。 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、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卓越した汎化性能を示します。

✨ 主な機能

• 開発元: Meta
• モデルタイプ: ビジョントランスフォーマー
• ライセンス: Creative Commons Attribution-NonCommercial 4.0
• タスク: 深度推定
• フォーマット: torchscript
• ファイル: sapiens_0.3b_render_people_epoch_100_torchscript.pt2

📚 ドキュメント

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

💻 使用例

Depth 0.3Bモデルは、人間の画像の相対深度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。