/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
10 сен 2024

sapiens-pretrain-2b

Эмбеддинги изображенийИзображение → embedding3 профессии

Предварительно обученный Vision Transformer Meta для извлечения признаков из изображений людей и дообучения под задачи компьютерного зрения.

126скачиваний за 30 дней3лайкавеса обновлены6 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-2B — предварительно обученная Meta модель компьютерного зрения на основе Vision Transformer. Она обучалась на 300 миллионах изображений людей с разрешением 1024 × 1024 и предназначена для извлечения признаков, дообучения и использования как основы для моделей задач, связанных с изображениями людей. Модель содержит около 2,163 млрд параметров, использует патчи 16 × 16 и поддерживает инференс с высоким разрешением 1024 × 1024.

Модель может служить визуальным энкодером для последующих задач анализа изображений людей; README отмечает способность переносить знания на изображения из реальных условий даже при малом количестве размеченных данных или использовании синтетических данных. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Сценарии применения

  • извлечение визуальных признаков людей на изображениях
  • подготовка энкодера для дообучения на задаче анализа изображений людей
  • создание моделей компьютерного зрения для изображений высокого разрешения
  • перенос визуального представления на реальные изображения при малом объёме разметки

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Модель предварительно обучена и для прикладных задач может потребовать дообучения.

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

Pretrain-Sapiens-2B

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-2B 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: pretrain
  • Format: original
  • File: sapiens_2b_epoch_660_clean.pth

Model Card

  • Image Size: 1024 x 1024
  • Num Parameters: 2.163 B
  • FLOPs: 8.709 TFLOPs
  • Patch Size: 16 x 16
  • Embedding Dimensions: 1920
  • Num Layers: 48
  • Num Heads: 32
  • Feedforward Channels: 7680

More Resources

Uses

Pretrained 2B model can be used for feature extraction, fine-tuning, or as a starting point for training new models.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-feature-extraction

Нельзя запустить

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

Ревизия весов
97e5797

0 моделей