/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
18 сен 2024

sapiens-pose-0.6b

Классификация и разметка3 профессии

Модель Meta находит 308 ключевых точек тела, лица, кистей и ступней человека на изображении.

294скачиваний 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-0.6B — модель Meta для оценки позы человека по изображению. Это Vision Transformer из семейства Sapiens, предварительно обученного на 300 млн изображений людей и дообученного для человеко-ориентированных задач. Модель содержит 0,664 млрд параметров, использует патчи 16×16 и рассчитана на обработку изображений высокого разрешения; указан размер изображения 1024×768 пикселей.

Модель определяет 308 ключевых точек на одном изображении: тела, лица, кистей и ступней. Она предназначена для оценки позы людей в реальных условиях, включая случаи, когда размеченных данных мало или использовались синтетические данные. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

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

Ограничения

Модель ориентирована на изображения людей и не предназначена для коммерческого использования по лицензии CC BY-NC 4.0. В README не приведены показатели точности или сведения о скорости инференса.

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-0.6B

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-0.6B 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_0.6b_goliath_best_goliath_AP_609.pth

Model Card

  • Image Size: 1024 x 768 (H x W)
  • Num Parameters: 0.664 B
  • FLOPs: 2.583 TFLOPs
  • Patch Size: 16 x 16
  • Embedding Dimensions: 1280
  • Num Layers: 32
  • Num Heads: 16
  • Feedforward Channels: 5120

More Resources

Uses

Pose 0.6B 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
e1f5a75

0 моделей