kornia

让图像变换可微,深度学习视觉更灵活

Kornia 是一个基于 PyTorch 的可微计算机视觉库,专注于几何视觉和空间 AI。它解决了深度学习与经典视觉算法之间的鸿沟,提供了一组可微分的图像变换、几何运算、滤波、特征检测与匹配等模块,使得这些操作可以无缝嵌入神经网络训练流程中,支持端到端的梯度回传。其核心能力包括:可微的图像增强与变换(如仿射、透视、薄板样条)、相机标定与多视图几何、深度估计、特征描述子(如 LoFTR)、以及多种图像滤波和形态学操作。Kornia 的设计强调模块化和与 PyTorch 的深度集成,支持 CPU/GPU 加速,适用于研究原型和工业部署。它解决了传统 OpenCV 等库不可微的问题,让视觉算法成为深度学习模型的一部分,从而推动空间 AI 应用(如 SLAM、3D 重建)的发展。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 11377
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队kornia
所属国家
官网地址
定价模式free
价格说明开源库,Apache-2.0 许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型artificial-intelligence,computer-vision,deep-learning,hacktoberfest,image-processing,machine-learning,neural-network,python,pytorch,robotics,spatial-ai
GitHub 星标★ 11377
30天Star增速
HF 下载量
上线时间2018-08-22 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数9

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可用的 Python 环境(README 未注明版本要求,按 PyTorch 生态通用要求准备)
  • 已安装 PyTorch(README 明确 Kornia 构建于 PyTorch 之上)
  • 可访问 PyPI 与官方文档网站的网络环境

安装与启动步骤

  1. 1准备 Python 环境

    创建并激活独立虚拟环境,避免依赖冲突;README 未给出 Python 版本要求,请按 PyTorch 所需版本准备。

    python -m venv .venv
    source .venv/bin/activate
  2. 2安装 PyTorch

    Kornia 构建在 PyTorch 之上,需先装好 PyTorch。README 未给出安装命令,请到 pytorch.org 按系统选择。

  3. 3安装 Kornia

    README 的 Installation 章节为空,没有可用安装命令;请以官方文档 kornia.readthedocs.io 公布的安装方式为准。

  4. 4运行导入验证

    执行 README Quick Start 中给出的导入语句,确认 Kornia 及相关模块能被正常导入。

    import numpy as np
    import kornia_rs as kr
    from kornia.augmentation import AugmentationSequential, RandomAffine, RandomBrightness
    from kornia.filters import StableDiffusionDissolving
  5. 5体验在线示例

    README 提供浏览器 Playground、Colab hello_world 教程和 Tutorials 页面,可免本地安装直接试用。

如何确认成功

运行上述导入语句,不报 ModuleNotFoundError 即说明 Kornia 及相关模块已可用。

常见问题

Q:README 里没有 Installation 内容怎么办?

A:该章节当前为空。请以官方文档 kornia.readthedocs.io 或 PyPI 项目页给出的最新安装命令为准,不要凭猜测执行安装命令。

Q:必须要有 GPU 吗?

A:不需要。README 提到支持 GPU 加速,但库基于 PyTorch,CPU 环境同样可以运行。

Q:想先快速体验而不本地安装?

A:README 提供浏览器 Playground、Colab 的 hello_world 教程以及 Tutorials 页面链接,可在线直接试用。

Q:kornia_rs 是什么?

A:它是 Quick Start 示例中导入的模块(import kornia_rs as kr),README 未进一步说明,请查阅官方文档了解。

注意事项

  • README 的 Installation 章节为空,本教程未提供 pip 安装命令,安装方式以官方文档为准。
  • 官方资源:文档 https://kornia.readthedocs.io,教程 https://www.kornia.org/tutorials/,示例仓库 https://github.com/kornia/kornia-examples。
  • Quick Start 代码片段在 README 中被截断,此处仅保留其中完整可见的导入语句。

核心亮点

  • 所有操作支持自动微分,可无缝嵌入 PyTorch 训练流程
  • 提供丰富的几何视觉模块(相机标定、多视图几何、深度估计)
  • 与 PyTorch 深度集成,API 设计一致,易于上手

不足之处

  • 文档部分模块示例较少,学习曲线较陡
  • 社区规模相比 OpenCV 较小,第三方资源有限

适用场景

  • 深度学习中的数据增强与可微图像变换
  • SLAM 和 3D 重建中的几何计算
  • 机器人视觉与空间 AI 研究

替代项目

OpenCV、Albumentations、torchvision

项目介绍

kornia 是计算机视觉领域的开源项目,由 kornia 开发,2018 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(11,377)位列前 5%,在计算机视觉分类的 447 个项目里位列前 5%。

近 41 天,它的 GitHub 星标从 11,314 增加到 11,377,净增 63。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。开源库,Apache-2.0 许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:深度学习中的数据增强与可微图像变换。同类可对比的替代方案包括 OpenCV、Albumentations、torchvision。

上一篇:segmentation_models.pytorch

下一篇:pcl

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14