Sapiens是Meta实验室推出的AI视觉模型，专为理解图片和视频中的人类动作设计。支持二维姿势预估、身体部位分割、深度估计和表面法线预测等任务，采用视觉转换器架构。模型参数从3亿到20亿不等，原生支持1K高分辨率推理，易于针对不同任务调整。即使在标注数据稀缺的情况下，Sapiens也能展现出卓越的泛化能力，为虚拟现实、增强现实等应用提供了强大支持。

Sapiens – Meta推出的AI视觉模型，能理解图片和视频中的人类动作 第1张
（图片来源网络，侵删）
Sapiens – Meta推出的AI视觉模型，能理解图片和视频中的人类动作 第2张
（图片来源网络，侵删）