Sapiens Pose 0.3b Torchscript

🚀 Pose-Sapiens-0.3B-Torchscript

Pose-Sapiens-0.3B-Torchscript 是基於視覺變換器的模型，在 3 億張 1024 x 1024 分辨率的人類圖像上進行預訓練。該模型可用於單張圖像上 308 個關鍵點（身體 + 面部 + 手部 + 腳部）的估計，即使在標記數據稀缺或完全合成的情況下，也能在實際場景中展現出出色的泛化能力。

📚 詳細文檔

模型詳情

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為中心的視覺任務進行微調後，能夠很好地適應實際場景。 Sapiens-0.3B 原生支持 1K 高分辨率推理。最終得到的模型即使在標記數據稀缺或完全合成的情況下，也能對實際數據表現出顯著的泛化能力。

• 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： 姿態估計
• 格式： torchscript
• 文件： sapiens_0.3b_goliath_best_goliath_AP_573_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 0.3B 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 國際許可協議（CC BY - NC 4.0）。