IT之家 8 月 24 日消息,Meta Reality 實驗室最新推出了名為 Sapiens 的 AI 視覺模型,適用于二維姿勢預估、身體部位分割、深度估計和表面法線預測 4 種以人為中心的基本視覺任務。
這些模型的參數(shù)數(shù)量各不相同,從 3 億到 20 億不等。它們采用視覺轉換器架構,任務共享相同的編碼器,而每個任務有不同的解碼器頭。
二維姿勢預估:這項任務包括檢測和定位二維圖像中人體的關鍵點。這些關鍵點通常與肘、膝和肩等關節(jié)相對應,有助于了解人的姿勢和動作。
身體部位分割:這項任務將圖像分割成不同的身體部位,如頭部、軀干、手臂和腿部。圖像中的每個像素都被歸類為屬于特定的身體部位,這對虛擬試穿和醫(yī)學成像等應用非常有用。
深度估計:這項任務是估算圖像中每個像素與攝像頭的距離,從而有效地從二維圖像中生成三維圖像。這對增強現(xiàn)實和自動駕駛等應用至關重要,因為在這些應用中,了解空間布局非常重要。
表面法線預測:這項任務是預測圖像中表面的方向。每個像素都會分配一個法向量,表示表面朝向的方向。這些信息對于三維重建和了解場景中物體的幾何形狀非常有價值。
Meta 公司表示該模型可原生支持 1K 高分辨率推理,并且非常容易針對個別任務進行調整,只需在超過 3 億張野生人類圖像上對模型進行預訓練即可。
即使在標注數(shù)據(jù)稀缺或完全是合成數(shù)據(jù)的情況下,所生成的模型也能對野生數(shù)據(jù)表現(xiàn)出卓越的泛化能力。
IT之家附上參考地址
廣告聲明:文內含有的對外跳轉鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結果僅供參考,IT之家所有文章均包含本聲明。