/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
13 сен 2024

sapiens-pose-0.3b

Классификация и разметка3 профессии

Модель Meta для оценки 308 ключевых точек тела, лица, кистей и стоп человека на изображении.

155скачиваний за 30 дней2лайкавеса обновлены7 окт 2024

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

Sapiens-Pose-0.3B — модель Meta для определения позы человека на изображениях. Это Vision Transformer с 336 млн параметров, 24 слоями, 16 головами и размером патча 16 × 16; модель поддерживает вывод в высоком разрешении 1024 × 1024, а в карточке для Pose указано изображение 1024 × 768.

Модель оценивает 308 ключевых точек тела, лица, кистей и стоп на одном изображении. Семейство Sapiens предварительно обучено на 300 млн изображений людей; по заявлению разработчика, это помогает обобщать на реальные условия съёмки и работать при малом количестве размеченных данных или на синтетических данных.

Модель принимает изображение и выдаёт координаты ключевых точек. В метаданных указан английский язык карточки, но задача не зависит от языка. Репозиторий распространяется в формате PyTorch под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • оценка позы человека на фотографии
  • поиск ключевых точек тела для анализа движений
  • определение положения лица, кистей и стоп на изображении

Ограничения

Модель рассчитана на определение ключевых точек человека по одному изображению и не описана как трекер позы в видео. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pose-Sapiens-0.3B

Model Details

Sapiens is a family of vision transformers pretrained on 300 million human images at 1024 x 1024 image resolution. The pretrained models, when finetuned for human-centric vision tasks, generalize to in-the-wild conditions. Sapiens-0.3B natively support 1K high-resolution inference. The resulting models exhibit remarkable generalization to in-the-wild data, even when labeled data is scarce or entirely synthetic.

  • Developed by: Meta
  • Model type: Vision Transformer
  • License: Creative Commons Attribution-NonCommercial 4.0
  • Task: pose
  • Format: original
  • File: sapiens_0.3b_goliath_best_goliath_AP_573.pth

Model Card

  • Image Size: 1024 x 768 (H x W)
  • Num Parameters: 0.336 B
  • FLOPs: 1.242 TFLOPs
  • Patch Size: 16 x 16
  • Embedding Dimensions: 1024
  • Num Layers: 24
  • Num Heads: 16
  • Feedforward Channels: 4096

More Resources

Uses

Pose 0.3B model can be used for estimate 308 keypoints (body + face + hands + feet) on a single image.

Как запустить

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

GPU в ailist

Универсальный рантайм · keypoint-detection

Нельзя запустить

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

Ревизия весов
e087df1

0 моделей