Sapiens 是一個基於 3 億張高分辨率人類圖像預訓練的視覺 Transformer 模型家族，專注於以人為中心的視覺任務。

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專為姿態估計任務設計，支持308個關鍵點檢測。

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專為姿態估計任務設計，支持308個關鍵點檢測。

Sapiens是一個在3億張1024x1024分辨率的人類圖像上預訓練的視覺變換器系列模型，專注於以人為中心的視覺任務。

Sapiens 是一個在3億張1024x1024分辨率的人像圖片上預訓練的視覺Transformer模型，專注於以人為中心的視覺任務。

Sapiens-2B是基於3億張高分辨率人體圖像預訓練的視覺Transformer模型，專門針對人體深度估計任務優化，支持1K分辨率推理並具有優秀的真實場景泛化能力。

Sapiens是一個基於3億張1024x1024分辨率人類圖像預訓練的視覺Transformer模型家族，專注於以人為中心的視覺任務。

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專注於以人為中心的視覺任務

Sapiens是一個基於3億張1024x1024分辨率人類圖像預訓練的視覺變換器系列模型，專注於以人為中心的視覺任務。

Sapiens是基於3億張1024×1024分辨率人體圖像預訓練的視覺Transformer模型，支持高分辨率推理和真實場景泛化。

Sapiens 是一個基於3億張1024x1024分辨率人類圖像預訓練的視覺Transformer模型家族，支持高分辨率推理和真實場景泛化。

智人（Sapiens）是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專注於以人為中心的視覺任務。

Sapiens是一個基於3億張1024x1024分辨率人類圖像預訓練的視覺Transformer模型家族，專注於以人為中心的視覺任務。

Sapiens是一個基於3億張1024×1024分辨率人類圖像預訓練的視覺Transformer模型家族，專注於以人為中心的視覺任務。

Sapiens是一個基於3億張1024×1024分辨率人類圖像預訓練的視覺Transformer模型家族，專注於以人為中心的視覺任務。

Sapiens是一個基於3億張1024x1024分辨率人類圖像預訓練的視覺Transformer模型家族，專注於以人為中心的視覺任務。

Sapiens是基於3億張人類圖像預訓練的視覺Transformer模型，專注於以人為中心的分割任務，支持1K高分辨率推理。

Pose-Sapiens-1B 是一個基於視覺 Transformer 架構的高分辨率人體姿態估計模型，在 3 億張 1024x1024 分辨率的人類圖像上預訓練，支持 308 個關鍵點檢測（身體、面部、手部和足部）。

Sapiens是基於3億張高分辨率人類圖像預訓練的視覺Transformer模型，專為以人為中心的視覺任務設計。

Sapiens是基於3億張1024×1024分辨率人體圖像預訓練的視覺Transformer模型，擅長以人為中心的視覺任務。