AIbase

S

Sapiens Pretrain 2b Bfloat16

由 facebook 开发
Sapiens 是一个基于3亿张1024x1024分辨率人类图像预训练的视觉Transformer模型家族，支持高分辨率推理和真实场景泛化。
图像分类
英语
#高分辨率人像特征提取#21亿参数视觉Transformer#1024x1024图像处理
下载量 20
发布时间 : 9/10/2024
模型介绍
内容详情
替代品

模型简介

Sapiens-2B是一个基于视觉Transformer架构的预训练模型，专门针对以人为中心的视觉任务设计，能够在标注数据稀缺或完全合成的情况下展现出对真实数据的卓越泛化能力。

模型特点

高分辨率支持
原生支持1024x1024高分辨率图像处理，适合处理高质量视觉数据。
大规模预训练
基于3亿张人类图像进行预训练，具有强大的特征提取能力。
真实场景泛化
即使在标注数据稀缺或完全合成的情况下，也能展现出对真实数据的卓越泛化能力。
高效计算
采用bfloat16格式，平衡了计算效率和模型精度。

模型能力

高分辨率图像处理
人类图像特征提取
视觉任务微调
真实场景泛化

使用案例

计算机视觉
人体姿态估计
利用预训练特征进行人体姿态识别和分析。
人脸识别
基于高分辨率图像的人脸特征提取和识别。
增强现实
虚拟形象生成
用于生成逼真的虚拟人物形象。