Sapiens Seg 0.6b Bfloat16

🚀 Seg-Sapiens-0.6B-Bfloat16

300 million枚の人間画像で事前学習された画像セグメンテーション用のビジョントランスフォーマーモデルです。人間中心のビジョンタスクに微調整すると、実環境でも良好な汎化性能を発揮します。

🚀 クイックスタート

Seg-Sapiens-0.6B-Bfloat16は、1024 x 1024の画像解像度で3億枚の人間画像を使って事前学習されたビジョントランスフォーマーモデルです。人間中心のビジョンタスクに対して微調整すると、実環境でも良好な汎化性能を示します。Sapiens-0.6Bはネイティブで1Kの高解像度推論をサポートしており、ラベル付きデータが少ない場合や完全に合成データであっても、実環境のデータに対して顕著な汎化性能を発揮します。

✨ 主な機能

• 300 million枚の人間画像を使って事前学習されたビジョントランスフォーマーモデル
• 人間中心のビジョンタスクに微調整すると、実環境でも良好な汎化性能を示す
• ネイティブで1Kの高解像度推論をサポート
• ラベル付きデータが少ない場合や完全に合成データであっても、実環境のデータに対して顕著な汎化性能を発揮

📚 ドキュメント

モデル詳細

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
• 追加結果: https://rawalkhirodkar.github.io/sapiens
• HuggingFaceコレクション: https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

💻 使用例

Seg 0.6Bモデルは、人間の画像に対して28クラスの身体部位セグメンテーションを行う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。