Sapiens Depth 0.6b Torchscript

🚀 Depth-Sapiens-0.6B-Torchscript

Depth-Sapiens-0.6B-Torchscript是一个用于深度估计的视觉变换器模型，基于3亿张1024x1024分辨率的人类图像进行预训练，在以人为中心的视觉任务中表现出色。

📚 详细文档

模型详情

Sapiens是一系列视觉变换器模型，在3亿张分辨率为1024 x 1024的人类图像上进行了预训练。这些预训练模型在针对以人为中心的视觉任务进行微调后，能够很好地泛化到实际场景中。 Sapiens-0.6B 原生支持1K高分辨率推理。即使在标注数据稀缺或完全为合成数据的情况下，得到的模型对实际场景数据也具有显著的泛化能力。

模型卡片

更多资源

• 仓库：https://github.com/facebookresearch/sapiens
• 论文：https://arxiv.org/abs/2408.12569
• 演示：https://huggingface.co/spaces/facebook/sapiens-depth
• 项目页面：https://about.meta.com/realitylabs/codecavatars/sapiens/
• 额外结果：https://rawalkhirodkar.github.io/sapiens/
• HuggingFace 集合：https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

💻 使用示例

Depth 0.6B 模型可用于估计人类图像的相对深度。

📄 许可证

本模型使用的许可证为 Creative Commons Attribution-NonCommercial 4.0（知识共享署名-非商业性使用 4.0 国际许可协议）。