Sapiens Pose 0.6b Torchscript

🚀 Pose-Sapiens-0.6B-Torchscript

Sapiens是一個視覺變換器系列模型，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-0.6B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，得到的模型也能在實際數據上展現出出色的泛化能力。

📚 詳細文檔

模型詳情

• 開發者：Meta
• 模型類型：視覺變換器
• 許可證：知識共享署名 - 非商業性使用 4.0 許可協議
• 任務：姿態估計
• 格式：torchscript
• 文件：sapiens_0.6b_goliath_best_goliath_AP_609_torchscript.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：https://huggingface.co/spaces/facebook/sapiens-pose
• 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

💻 使用示例

Pose 0.6B 模型可用於在單張圖像上估計308個關鍵點（身體 + 面部 + 手部 + 腳部）。

📄 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（CC BY-NC 4.0）。