# 3億圖像預訓練

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專為姿態估計任務設計，支持308個關鍵點檢測。

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專為姿態估計任務設計，支持308個關鍵點檢測。

Sapiens 是一個基於 3 億張 1024 x 1024 分辨率人類圖像預訓練的視覺變換器系列模型，專注於以人為中心的視覺任務。

Sapiens 是一個基於 3 億張 1024 x 1024 分辨率人類圖像預訓練的視覺 Transformer 模型家族，支持 1K 高分辨率推理，在標註數據稀缺或完全合成的情況下仍能展現出對真實數據的卓越泛化能力。