🚀 Depth-Sapiens-2B-Bfloat16

Depth-Sapiens-2B-Bfloat16是一款用于人类图像深度估计的模型，基于视觉变换器架构，在大规模人类图像数据上预训练，能有效泛化到实际场景。

🚀 快速开始

本模型可直接用于人类图像的相对深度估计任务。你可以通过以下资源进一步了解和使用该模型：

• 代码仓库：https://github.com/facebookresearch/sapiens
• 论文链接：https://arxiv.org/abs/2408.12569
• 演示地址：https://huggingface.co/spaces/facebook/sapiens-depth
• 项目主页：https://about.meta.com/realitylabs/codecavatars/sapiens
• 额外结果展示：https://rawalkhirodkar.github.io/sapiens
• HuggingFace集合：https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

✨ 主要特性

• 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-2B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，得到的模型对实际数据也表现出了显著的泛化能力。

📚 详细文档

模型详情

模型卡片

📄 许可证

本模型采用知识共享署名-非商业性使用 4.0 国际许可协议（CC BY-NC 4.0）。

💻 使用示例

Depth 2B模型可用于估计人类图像的相对深度。