Sapiens 是一个基于 3 亿张高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是一个在3亿张1024x1024分辨率的人类图像上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。

Sapiens 是一个在3亿张1024x1024分辨率的人像图片上预训练的视觉Transformer模型，专注于以人为中心的视觉任务。

Sapiens-2B是基于3亿张高分辨率人体图像预训练的视觉Transformer模型，专门针对人体深度估计任务优化，支持1K分辨率推理并具有优秀的真实场景泛化能力。

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是基于3亿张高分辨率人类图像预训练的视觉Transformer模型，专注于以人为中心的视觉任务

Sapiens是一个基于3亿张1024x1024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。

Sapiens是基于3亿张1024×1024分辨率人体图像预训练的视觉Transformer模型，支持高分辨率推理和真实场景泛化。

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。

智人（Sapiens）是基于3亿张高分辨率人类图像预训练的视觉Transformer模型，专注于以人为中心的视觉任务。

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1024×1024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是基于3亿张人类图像预训练的视觉Transformer模型，专注于以人为中心的分割任务，支持1K高分辨率推理。

Pose-Sapiens-1B 是一个基于视觉 Transformer 架构的高分辨率人体姿态估计模型，在 3 亿张 1024x1024 分辨率的人类图像上预训练，支持 308 个关键点检测（身体、面部、手部和足部）。

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。

Sapiens是基于3亿张1024×1024分辨率人体图像预训练的视觉Transformer模型，擅长以人为中心的视觉任务。

Sapiens是基于3亿张高分辨率人类图像预训练的视觉Transformer模型，专注于以人为中心的视觉任务。

Sapiens-2B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，具有卓越的泛化能力。

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。

Sapiens是基于3亿张1024×1024分辨率人体图像预训练的视觉Transformer模型，专为人体中心视觉任务设计，具有卓越的泛化能力。

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是基于3亿张1024×1024分辨率人体图像预训练的视觉变换器系列，专为人体中心视觉任务设计，具有卓越的泛化能力。

Sapiens是基于3亿张1024x1024分辨率人体图像预训练的视觉Transformer模型，专为高精度姿态估计任务设计。

Sapiens是一个在3亿张1024x1024分辨率人类图像上预训练的视觉Transformer家族，专为以人为中心的视觉任务设计。