К содержимому
Другое

Sapiens2-1B-Pose

сверхточная разметка позы человека на 308 точек

2 мин чтенияобновлено

Модель определяет позу человека на изображениях с высокой детализацией, расставляя сразу 308 ключевых точек (keypoints) по формату Sociopticon. Из них 274 точки приходятся на детальное лицо, а остальные охватывают тело, кисти рук и стопы. Чекпоинт разработан в Meta и дообучен на базе предобученной архитектуры Vision Transformer Sapiens2-1B. Модель работает по принципу top-down (сначала детектор находит человека, затем нейросеть строит скелет внутри рамки) и пригодится исследователям компьютерного зрения и разработчикам систем трекинга движений.

Ключевые особенности

  • 308 ключевых точек: сверхплотная сетка на лице (274 точки) плюс детальная разметка пальцев рук и стоп.
  • Архитектура Sapiens2: ViT-бэкбон на 1.462 млрд параметров с 40 слоями и головой для оценки позы.
  • Работа в связке с детектором: для поиска людей в кадре перед оценкой позы используется детектор RTMDet.
  • Готовый вес: модель распространяется в безопасном формате safetensors.

Что можно сделать

  • Снимать детализированный трекинг мимики, жестов и положения тела с обычных фотографий или кадров видео.
  • Использовать в научных проектах и R&D по анализу движений человека (human-centric vision).
  • Применять для точного извлечения скелетов и карт позы при подготовке данных для генеративных пайплайнов.

Пример

hf download facebook/sapiens2-pose-1b sapiens2_1b_pose.safetensors --local-dir ~/sapiens2_host/pose
cd $SAPIENS_ROOT/sapiens/pose
./scripts/demo/keypoints308.sh
ПодробнееРазрешение инференса: 1024 × 768 (H × W), размер патча — 16.
Вычислительная сложность бэкбона: 4.715 T FLOPs (1.462B параметров бэкбона, 1.52B всего).
Требует предварительного выделения границ человека (bounding boxes) сторонним детектором, например RTMDet.
Лицензия: Sapiens2 License.
Обсудить Telegram 0 12

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 5.7 GB · готовые файлы6.7 GB
  • BF16веса 2.8 GB3.6 GB
  • FP8 / INT8рекомендуемвеса 1.4 GB2.1 GB
  • 4-bitвеса 0.8 GB1.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # iat110/sapiens2-pose-1b
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download iat110/sapiens2-pose-1b --local-dir ~/models/sapiens2-pose-1b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sapiens2-pose-1b
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

facebook/sapiens2-pretrain-1b

Новые посты про версии sapiens2-pretrain-1b — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

iat110/sapiens2-pose-1b
Автор
iat110
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HiCAST M1

HiCAST M1