sapiens

Sapiens 是一套面向人体视觉理解的高分辨率基础模型家族，专注于2D姿态估计、人体部件分割、深度估计、法线预测等人体相关视觉任务。模型在3亿张真实场景人体图像上预训练，原生支持1024×1024高分辨率输入与16像素补丁尺寸，具备强泛化能力与细粒度特征提取能力。适用于虚拟人驱动、AR/VR人体交互、动作分析、智能健身、数字人建模等需精准人体结构理解的场景。