Sapiens：人类视觉模型的基础 (arxiv.org)

Sapiens是一系列用于人类视觉任务的模型，包括二维姿态估计、身体部位分割、深度估计和表面法线预测。这些模型在超过3亿张人类图像上进行了预训练，只需微调即可轻松适应不同的任务。Sapiens在各种人类视觉基准测试中始终优于现有模型，并在Humans-5K（姿态）、Humans-2K（部位分割）、Hi4D（深度）和THuman2（法线）等方面取得了显著的性能提升。