/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
11 окт 2025

SDPose-Body

Классификация и разметка

SDPose-Body оценивает координаты 17 ключевых точек человеческого тела, включая стилизованные изображения и данные со сдвигом домена.

0скачиваний за 30 дней10лайковвеса обновлены13 окт 2025

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

SDPose-Body — модель оценки позы человека, использующая визуальные признаки Stable Diffusion для обнаружения 17 ключевых точек тела в формате COCO. Её разработчик описывает архитектуру как U-Net, инициализированную весами Stable Diffusion v2, с дообученной специализированной головой тепловых карт; модель работает на PyTorch и предназначена для MMPose. Для оценки позы каждого человека требуется сначала получить его ограничивающую рамку от детектора объектов, например YOLO11-x, затем модель обрабатывает обрезанное изображение размером 1024×768.

Модель предназначена для оценки позы на обычных изображениях и в изображениях со сдвигом домена, включая стилизованные изображения, картины, аниме и эскизы. Она выдаёт тепловые карты и координаты точек с оценками уверенности; обучение проводилось на COCO-2017 train2017. В карточке заявлена устойчивость к выходу за пределы обучающего распределения, однако конкретные сравнительные результаты приведены в статье. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • оценка позы человека на фотографиях
  • обнаружение ключевых точек тела на картинах и рисунках
  • оценка позы персонажей на аниме-изображениях
  • анализ позы людей на эскизах
  • отслеживание позы для анимации и видео

Ограничения

Для оценки позы требуется предварительно обнаружить человека и передать его ограничивающую рамку. Модель обучена на COCO-2017 train2017; заявленная устойчивость к сдвигу домена основана на оценках, приведённых в статье.

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 (Body - 17 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 17 COCO body keypoints including nose, eyes, ears, shoulders, elbows, wrists, hips, knees, and ankles.

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: 17 keypoint heatmaps + coordinates with confidence scores
  • Framework: MMPose

Supported Keypoints (COCO Format)

The model predicts 17 body keypoints following the COCO keypoint format:

0: nose
1: left_eye
2: right_eye
3: left_ear
4: right_ear
5: left_shoulder
6: right_shoulder
7: left_elbow
8: right_elbow
9: left_wrist
10: right_wrist
11: left_hip
12: right_hip
13: left_knee
14: right_knee
15: left_ankle
16: right_ankle

Intended Use

Primary Use Cases

  • 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 (Common Objects in Context): 200K+ images with 17 body 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, ViTPose++) 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
5a34e0c

0 моделей