可微的图像处理与几何视觉：批次变换直接长在计算图里
来源：GitHub — 2026-11-02 · ⭐ 11,682 stars · Python
📋 概述
Kornia 是建立在 PyTorch 之上的可微计算机视觉库，把图像处理与几何视觉算子做成可自动求导的模块，能直接嵌进已有的 AI 训练流程。它与传统视觉库的根本差别在于：滤波、色彩空间转换、几何变换、相机模型与投影这些操作都是张量运算，可以批量跑在 GPU 上，也能对参数求梯度，因此适合做端到端学习、可微渲染与需要把几何约束放进损失函数的任务。项目采用 Apache 2.0 授权，带完整文档、教程与示例，社区通过 Discord 维护。
🔑 核心要点
- 可微是核心卖点：图像处理与几何算子参与反向传播，参数可以学，不必再当预处理黑盒。
- 批量与 GPU 原生：操作按张量写，一次处理整批，与传统逐图调用是两种性能模型。
- 几何视觉覆盖完整：相机模型、投影、单应、极几何这些常用模块都在库内。
- 与 PyTorch 无缝共存：直接作为网络的一层使用，不需要在框架之间搬数据。
- Apache 2.0 加完整文档：商用限制少，教程与示例齐备，上手成本低。
💡 金句
Kornia is a differentiable computer vision library that provides a rich set of differentiable image processing and geometric vision algorithms.
👍 0
👎 0
← 返回 GitHub Trending 首页