Sapiens Pose 0.3b Torchscript

🚀 Pose-Sapiens-0.3B-Torchscript

Pose-Sapiens-0.3B-Torchscript 是基于视觉变换器的模型，在 3 亿张 1024 x 1024 分辨率的人类图像上进行预训练。该模型可用于单张图像上 308 个关键点（身体 + 面部 + 手部 + 脚部）的估计，即使在标记数据稀缺或完全合成的情况下，也能在实际场景中展现出出色的泛化能力。

📚 详细文档

模型详情

Sapiens 是一系列视觉变换器模型，在 3 亿张分辨率为 1024 x 1024 的人类图像上进行了预训练。这些预训练模型在针对以人为中心的视觉任务进行微调后，能够很好地适应实际场景。 Sapiens-0.3B 原生支持 1K 高分辨率推理。最终得到的模型即使在标记数据稀缺或完全合成的情况下，也能对实际数据表现出显著的泛化能力。

• 开发者： Meta
• 模型类型： 视觉变换器
• 许可证： 知识共享署名 - 非商业性使用 4.0 国际许可协议
• 任务： 姿态估计
• 格式： torchscript
• 文件： sapiens_0.3b_goliath_best_goliath_AP_573_torchscript.pt2

模型卡片

更多资源

• 仓库： https://github.com/facebookresearch/sapiens
• 论文： https://arxiv.org/abs/2408.12569
• 演示： https://huggingface.co/spaces/facebook/sapiens-pose
• 项目页面： https://about.meta.com/realitylabs/codecavatars/sapiens
• 额外结果： https://rawalkhirodkar.github.io/sapiens
• HuggingFace 集合： https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

💻 使用示例

Pose 0.3B 模型可用于在单张图像上估计 308 个关键点（身体 + 面部 + 手部 + 脚部）。

📄 许可证

本项目采用知识共享署名 - 非商业性使用 4.0 国际许可协议（CC BY - NC 4.0）。