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，专注于以人为中心的视觉任务。

Sapiens是一个基于3亿张1024×1024分辨率人类图像预训练的视觉Transformer模型家族，专注于以人为中心的视觉任务。

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系列模型，专注于以人为中心的视觉任务。