Kornia

项目简介

Kornia 是构建于 PyTorch 的可微分计算机视觉库。它提供覆盖几何、特征匹配、滤波、颜色、增强、损失与预训练模型的 1,200 多个可微分算子，支持批处理与设备无关执行，面向研究与机器人实时感知。

核心功能

• 提供覆盖几何、特征匹配、滤波、颜色、增强、损失与预训练模型的 1,200 多个可微分算子。
• 算子按批处理并设备无关，在张量所在位置运行，可利用 GPU 加速。
• 可微分几何覆盖变换、配准、相机模型、单应性、李群、RANSAC 与深度到 3D。
• AugmentationSequential 将同一个采样变换同时应用于图像、掩码、框和关键点，支持 2D 或 3D。
• 预训练模型系列包括 YuNet 人脸、RT-DETR 目标、SAM 掩码、DexiNed 边缘、LoFTR 与 LightGlue。
• 几乎所有已测试的算子配置可在 torch.compile 下运行，超过 1,000 个可导出到 ONNX。

适用场景

• 图像匹配、配准、拼接、去噪、人脸检测与视觉提示工作流。
• 使用复杂 2D 或 3D 增强流程训练 AI 模型。
• 通过可微分几何优化位姿、深度与相机参数。
• 将视觉算子导出为 ONNX 图，以便在 CPU 或 CUDA 上的 ONNX Runtime 运行。

快速开始

• 使用 pip install kornia 安装 Kornia。
• 可通过浏览器演练场、教程与示例探索工作流。
• 一次调用处理整个批次，例如 kornia.filters.sobel(images.cuda())。

部署与要求

• 构建于 PyTorch，可集成到基于 PyTorch 的 AI 工作流。
• 算子在输入张量所在设备上运行；张量位于 GPU 时可使用 GPU 执行。
• 导出的 ONNX 图可在 CPU 或 CUDA 上的 ONNX Runtime 运行，无需 Python。
• kornia-rs 可用于边缘设备。

采用前须知

• 许可证：Apache-2.0。在使用、修改或分发项目前，请确认其具体条款。