/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
26 июл 2026

SDPose-Wholebody

Классификация и разметка

Производная модели teemosliang/SDPose-Wholebody. SDPose-Wholebody оценивает позу человека на изображениях и предсказывает 133 ключевые точки тела, лица, кистей и стоп, включая стилизованные изображения.

0скачиваний за 30 дней0лайковвеса обновлены26 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели ViktorLin/SDPose-Wholebody на Hugging Face совпадает с карточкой teemosliang/SDPose-Wholebody, поэтому описание составлено по ней.

SDPose-Wholebody — модель для оценки позы человека, разработанная авторами SDPose. Она использует U-Net, инициализированный весами Stable Diffusion 2 и дообученный для предсказания ключевых точек, с отдельной головой тепловых карт. Модель работает по схеме top-down: для оценки позы каждого человека ей нужны его ограничивающая рамка; обнаружение людей выполняется отдельным детектором.

Модель предсказывает 133 ключевые точки формата COCO Wholebody: тела, кистей, лица и стоп. Она принимает изображения, обрабатываемые с разрешением 1024×768, и выдаёт координаты ключевых точек с оценками уверенности и тепловые карты. Обучение проводилось на COCO-2017 train2017; заявленное назначение включает обычные, художественные и стилизованные изображения, а также анализ поз при изменении распределения данных. Код модели рассчитан на PyTorch и MMPose.

Репозиторий распространяется по лицензии MIT. Для обработки изображений нескольких людей требуется внешний детектор, например YOLO11-x; сама модель не выполняет обнаружение людей. Заявления о сравнительном превосходстве относятся к результатам авторов и требуют оценки на целевом наборе данных.

Сценарии применения

  • оценка позы человека на фотографиях
  • определение ключевых точек лица, кистей и стоп
  • анализ поз персонажей на рисунках и в аниме
  • сопоставление поз на изображениях разных визуальных доменов
  • извлечение координат тела для анимации

Ограничения

Для обработки людей на изображении необходимы ограничивающие рамки, полученные отдельным детектором; модель сама людей не обнаруживает. Авторы сообщают о проверке на COCO-Wholebody и преимуществах на OOD-тестах, но эти результаты не гарантируют качество на конкретных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SDPose: Exploiting Diffusion Priors for Out-of-Domain and Robust Pose Estimation (WholeBody - 133 Keypoints)

Paper Project Page HuggingFace Demo License: MIT

Model Description

SDPose is a state-of-the-art human pose estimation model that leverages the powerful visual priors from Stable Diffusion to achieve exceptional performance on out-of-distribution (OOD) scenarios. This model variant estimates 133 wholebody keypoints, including body, hands, face, feet.

Model Architecture

SDPose employs a U-Net backbone initialized with Stable Diffusion v2 weights, combined with a specialized heatmap head for keypoint prediction. The model operates in a top-down manner:

  1. Person Detection: Detect human bounding boxes using an object detector (e.g., YOLO11-x)
  2. Pose Estimation: Crop and estimate 17 body keypoints for each detected person
  3. Heatmap Generation: Produce confidence heatmaps for precise keypoint estimation

Model Specifications:

  • Backbone: Stable Diffusion v2 U-Net (fine-tuned; minimal architectural changes)
  • Head: Custom heatmap prediction head
  • Input Resolution: 1024×768 (H×W)
  • Output: 133 keypoint heatmaps + coordinates with confidence scores
  • Framework: MMPose

Supported Keypoints (COCO Wholebody Format)

The model predicts 133 body keypoints following the COCO Wholebody keypoint format.

Intended Use

  • Human pose estimation in natural images
  • Pose estimation in artistic and stylized domains (paintings, anime, sketches)
  • Animation and video pose tracking
  • Cross-domain pose analysis and research
  • Applications requiring robust pose estimation under distribution shifts

How to Use

Installation

# Clone the repository
git clone https://github.com/t-s-liang/SDPose-OOD.git
cd SDPose-OOD

# Install dependencies
pip install -r requirements.txt
# Download YOLO11-x for human detection
wget https://github.com/ultralytics/assets/releases/download/v8.3.0/yolo11x.pt -P models/

# Launch Gradio interface
cd gradio_app
bash launch_gradio.sh

Training Data

Datasets

Trained exclusively on COCO-2017 train2017 (no extra data).

  • COCO-Wholebody (Common Objects in Context): 200K+ images with 133 wholebody keypoints

Preprocessing

  • Images are resized and cropped to 1024×768 resolution
  • Augmentation: random horizontal flip, half-body & bbox transforms, UDP affine; Albumentations (Gaussian/Median blur, coarse dropout).
  • Heatmaps: UDP codec (MMPose style).

Comparison with Baselines

SDPose significantly outperforms traditional pose estimation models (e.g., Sapiens) on out-of-distribution benchmarks while maintaining competitive performance on in-domain data.

See our paper for comprehensive evaluation results.

Citation

If you use SDPose in your research, please cite our paper:

@misc{liang2025sdposeexploitingdiffusionpriors,
      title={SDPose: Exploiting Diffusion Priors for Out-of-Domain and Robust Pose Estimation}, 
      author={Shuang Liang and Jing He and Chuanmeizhi Wang and Lejun Liao and Guo Zhang and Yingcong Chen and Yuan Yuan},
      year={2025},
      eprint={2509.24980},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2509.24980}, 
}

License

This model is released under the MIT License.

Additional Resources


⭐ Star us on GitHub — it motivates us a lot!

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch · keypoint-detection

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
561e220

0 моделей