Sapiens 是由 Meta Reality Labs 开发的一系列模型，旨在解决四个基本的以人为中心的视觉任务：2D 姿态估计、身体部位分割、深度估计和表面法线预测。这些模型支持 1K 高分辨率推理，并且设计得非常灵活，可以通过对超过 3 亿张野外人体图像预训练的模型进行简单的微调来适应单独的任务。即使在标记数据稀缺或完全合成的情况下，这些模型也展现出对野外数据的显著泛化能力。随着模型参数从 0.3 到 20 亿的扩展，性能在各个任务上都有所提升。Sapiens 在多种以人为中心的基准测试中都超越了现有的基线模型。地址: 网页链接 林亦LYi的微博视频