AIbase

S

Sapiens Pretrain 0.3b

由 facebook 开发
Sapiens是基于3亿张高分辨率人类图像预训练的视觉Transformer模型，专为以人为中心的视觉任务设计。
图像分类
英语
#高分辨率视觉#人类图像特征提取#3亿参数ViT
下载量 34
发布时间 : 9/10/2024
模型介绍
内容详情
替代品

模型简介

Sapiens-0.3B是一个高分辨率视觉Transformer模型，经过3亿张1024x1024分辨率人类图像的预训练，擅长处理以人为中心的视觉任务，并在真实场景中展现出卓越的泛化能力。

模型特点

高分辨率处理能力
原生支持1024x1024高分辨率图像处理，无需降采样即可直接处理高清图像。
人类中心化预训练
基于3亿张人类图像进行预训练，特别适合以人为中心的视觉任务。
卓越的泛化性能
即使在标注数据稀缺或完全合成的情况下，也能对真实数据展现出优秀的泛化能力。
高效架构设计
采用16x16分块策略和1024维嵌入，在保持性能的同时优化计算效率。

模型能力

高分辨率图像特征提取
人类图像分析
视觉表示学习
迁移学习基础模型

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关键点检测和姿态分析。
在有限标注数据下仍能获得良好性能
人物重识别
用于跨摄像头的人物特征提取和匹配任务。
高分辨率处理能力提升识别准确率
虚拟现实
数字人建模
作为基础模型用于生成逼真的数字人类形象。
从合成数据到真实场景的良好迁移能力