Sapiens Pose 1b Torchscript

🚀 Pose-Sapiens-1B-Torchscript

Pose-Sapiens-1B-Torchscript是一個關鍵點檢測模型，基於視覺變換器架構，在3億張1024x1024分辨率的人類圖像上進行預訓練。該模型能夠泛化到自然場景中，即使在標記數據稀缺或完全合成的情況下，也能表現出出色的性能。

✨ 主要特性

• Sapiens系列模型在3億張1024x1024分辨率的人類圖像上進行預訓練，微調後可很好地泛化到自然場景。
• Sapiens-1B原生支持1K高分辨率推理，對自然數據有出色的泛化能力。

📚 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類為中心的視覺任務進行微調後，能夠很好地泛化到自然場景中。 Sapiens-1B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，對自然數據也表現出顯著的泛化能力。

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

基礎用法

Pose 1B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

本模型使用的是知識共享署名-非商業性使用 4.0 國際許可協議（CC BY-NC 4.0）。