Sapiens Pretrain 1b Bfloat16

🚀 Pretrain-Sapiens-1B-Bfloat16

Sapiens是一系列視覺變換器模型，在3億張分辨率為1024 x 1024的人類圖像上進行了預訓練。這些預訓練模型在針對以人類為中心的視覺任務進行微調後，能夠很好地泛化到實際場景中。Sapiens-1B原生支持1K高分辨率推理，即使在標記數據稀缺或完全為合成數據的情況下，得到的模型對實際數據也有出色的泛化能力。

🚀 快速開始

Pretrain-Sapiens-1B-Bfloat16預訓練模型可用於特徵提取、微調，或作為訓練新模型的起點。

✨ 主要特性

• Sapiens系列模型在大規模人類圖像數據上進行預訓練，對以人類為中心的視覺任務有良好的泛化能力。
• Sapiens-1B原生支持1K高分辨率推理。
• 即使標記數據稀缺或為合成數據，模型也能在實際數據上有出色表現。

📚 詳細文檔

模型詳情

• 開發者：Meta
• 模型類型：視覺變換器
• 許可證：知識共享署名 - 非商業性使用 4.0國際許可協議
• 任務：預訓練
• 格式：bfloat16
• 文件：sapiens_1b_epoch_173_bfloat16.pt2

模型卡片

更多資源

• 倉庫：https://github.com/facebookresearch/sapiens
• 論文：https://arxiv.org/abs/2408.12569
• 演示：Sapiens Gradio Spaces
• 項目頁面：https://about.meta.com/realitylabs/codecavatars/sapiens
• 額外結果：https://rawalkhirodkar.github.io/sapiens
• HuggingFace集合：https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

📄 許可證

本項目採用知識共享署名 - 非商業性使用 4.0國際許可協議（CC BY - NC 4.0）。