Kornia
基于PyTorch的可微分几何计算机视觉库，提供图像滤波、几何变换、相机模型、三维投影等可微分算子，支持端到端训练
时间轴 (近 90 天)
Kornia 是一个基于 PyTorch 的 Python 库，提供可微分的几何计算机视觉算子。
据 GitHub 页面显示，Kornia 已获得超过 11.5k 星标和 1.4k 分支。
Kornia 近期单日新增 88 颗星标。
Kornia 的算子构建在 PyTorch 之上，梯度能够反向传播，可无缝嵌入深度学习训练流程。
Kornia 在图像层面包含滤波、边缘检测、形态学操作的可微分实现。
Kornia 在几何层面支持单应性变换、基础矩阵估计、相机标定与畸变校正。
Kornia 在三维层面涉及点云处理、深度图与三维投影的相互转换。
Kornia 在传统图像处理的高级算法（如某些特定的特征描述子）上可能不如 OpenCV 全面。
实践中常见的组合方式是用 OpenCV 完成离线标定、传统特征提取或可视化，用 Kornia 承担训练期和推理期的可微分几何层。
Kornia 的可微分实现代价是部分算子比 C++ 实现有额外开销，收益是能直接参与端到端优化。
还有 1 条时间轴事件
全部知识事实 (11)
Kornia 是一个基于 PyTorch 的 Python 库，提供可微分的几何计算机视觉算子。
50%待验证据 GitHub 页面显示，Kornia 已获得超过 11.5k 星标和 1.4k 分支。
50%待验证Kornia 近期单日新增 88 颗星标。
50%待验证Kornia 的算子构建在 PyTorch 之上，梯度能够反向传播，可无缝嵌入深度学习训练流程。
50%待验证Kornia 在图像层面包含滤波、边缘检测、形态学操作的可微分实现。
50%待验证Kornia 在几何层面支持单应性变换、基础矩阵估计、相机标定与畸变校正。
50%待验证Kornia 在三维层面涉及点云处理、深度图与三维投影的相互转换。
50%待验证Kornia 在传统图像处理的高级算法（如某些特定的特征描述子）上可能不如 OpenCV 全面。
50%待验证实践中常见的组合方式是用 OpenCV 完成离线标定、传统特征提取或可视化，用 Kornia 承担训练期和推理期的可微分几何层。
50%待验证Kornia 的可微分实现代价是部分算子比 C++ 实现有额外开销，收益是能直接参与端到端优化。
50%待验证Kornia 提供了单应性矩阵和基础矩阵的可微分估计与分解工具，包括将本质矩阵分解为旋转和平移。
50%