Sapiens Pretrain 2b Bfloat16

🚀 Pretrain-Sapiens-2B-Bfloat16

Sapiens是一系列視覺變換器模型，在3億張分辨率為1024 x 1024的人類圖像上進行預訓練。這些預訓練模型在針對以人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-2B原生支持1K高分辨率推理，即使在標註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-2B-Bfloat16預訓練的20億參數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系列在3億張1024 x 1024分辨率的人類圖像上預訓練。
• 微調後能很好地泛化到實際場景。
• Sapiens-2B原生支持1K高分辨率推理。
• 即使標註數據稀缺或為合成數據，也有出色泛化能力。

📚 詳細文檔

模型詳情

• 開發者： Meta
• 模型類型： 視覺變換器（Vision Transformer）
• 許可證： 知識共享署名 - 非商業性使用 4.0許可協議（Creative Commons Attribution - NonCommercial 4.0）
• 任務： 預訓練
• 格式： bfloat16
• 文件： sapiens_2b_epoch_660_bfloat16.pt2

模型卡片

更多資源

• 代碼倉庫： 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許可協議（Creative Commons Attribution - NonCommercial 4.0）。