语言: 英语
许可证: CC-BY-NC-4.0
任务标签: 图像分割
标签:

• sapiens

Seg-Foreground-Background-Sapiens-1B-Torchscript

模型详情

Sapiens 是一个基于 3 亿张 1024 x 1024 分辨率人类图像预训练的视觉变换器（Vision Transformer）系列模型。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，能够泛化至真实场景。Sapiens-1B 原生支持 1K 高分辨率推理，其模型即使在标注数据稀缺或完全合成的情况下，也展现出对真实数据的卓越泛化能力。

• 开发机构: Meta
• 模型类型: 视觉变换器（Vision Transformer）
• 许可证: 知识共享署名-非商业性使用 4.0
• 任务: 分割（seg）
• 格式: TorchScript
• 文件: sapiens_1b_seg_foreground_epoch_8_torchscript.pt2

模型规格

• 图像尺寸: 1024 x 768（高 x 宽）
• 参数量: 11.69 亿
• 计算量（FLOPs）: 4.647 万亿次浮点运算
• 分块大小（Patch Size）: 16 x 16
• 嵌入维度: 1536
• 层数: 40
• 注意力头数: 24
• 前馈通道数: 6144

更多资源

• 代码仓库: https://github.com/facebookresearch/sapiens
• 论文: https://arxiv.org/abs/2408.12569
• 演示: https://huggingface.co/spaces/facebook/sapiens-seg
• 项目主页: https://about.meta.com/realitylabs/codecavatars/sapiens
• 附加结果: https://rawalkhirodkar.github.io/sapiens
• HuggingFace 合集: https://huggingface.co/collections/facebook/sapiens-66d22047daa6402d565cb2fc

用途

Seg-Foreground 1B 模型可用于从图像中分割出前景人物。