🚀 Pose-Sapiens-1B-Torchscript

Pose-Sapiens-1B-Torchscript是一个关键点检测模型，基于视觉变换器架构，在3亿张1024x1024分辨率的人类图像上进行预训练。该模型能够泛化到自然场景中，即使在标记数据稀缺或完全合成的情况下，也能表现出出色的性能。

✨ 主要特性

• Sapiens系列模型在3亿张1024x1024分辨率的人类图像上进行预训练，微调后可很好地泛化到自然场景。
• Sapiens-1B原生支持1K高分辨率推理，对自然数据有出色的泛化能力。

📚 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类为中心的视觉任务进行微调后，能够很好地泛化到自然场景中。 Sapiens-1B原生支持1K高分辨率推理。最终得到的模型即使在标记数据稀缺或完全合成的情况下，对自然数据也表现出显著的泛化能力。

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-pose
• 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

基础用法

Pose 1B模型可用于在单张图像上估计308个关键点（身体 + 面部 + 手部 + 脚部）。

📄 许可证

本模型使用的是知识共享署名-非商业性使用 4.0 国际许可协议（CC BY-NC 4.0）。