不堆 API 立规范：1200+ 可微算子的 Kornia 想当 PyTorch 生态的视觉标准答案

当一个开源库攒下 11824 个 star 之后，通常的路径是继续疯狂加 API。计算机视觉库 Kornia 选择了相反的方向：在 README 里正式宣布，它要做 PyTorch 生态中”可微计算机视觉与几何的参考实现与可执行规范”——显式约定、一致性测试和诚实的基准测试，优先于 API 数量的增长。这个 Python 项目今天以日增 101 star 的姿态重回 GitHub Trending。

1200+ 算子，多数在 torchvision 找不到对应物

Kornia 建立在 PyTorch 之上，提供可微分的图像处理与几何视觉算法，能无缝嵌入现有的 AI 训练流水线。它的护城河首先是广度：1200 多个公开算子中，大多数在 torchvision 里没有等价物——相机模型与对极几何、最小解算器与 RANSAC、特征检测/描述/匹配、边缘检测、形态学操作、Lab 与 Bayer 色彩空间、图像损失与评价指标。torchvision 的覆盖主要集中在缩放、裁剪、翻转、色彩抖动和模糊这几个交集上。

一次批处理调用，传一整批参数

第二个卖点偏向工程效率：Kornia 支持在单次批处理调用里传每样本参数。gaussian_blur2d(x, (9, 9), sigma) 的 sigma 可以是 (B, 2) 张量，rotate 接受 (B,) 的角度张量，warp_affine / warp_perspective 接受 (B, 2, 3) / (B, 3, 3) 矩阵——而 torchvision 的函数式算子每次调用只能带一组参数，想给批内每张图不同参数就得自己写循环。

从 0.9.1 版本开始，sigma 张量和 gamma、contrast、solarize 等增强参数的取值校验直接在设备端完成，CUDA 调用（以及 PyTorch ≥ 2.13 上的 MPS 调用）不再需要为此回传主机同步。

批处理的收益在鲁棒估计上更明显：find_fundamental(x1, x2, method="7POINT") 可以直接解 (B, 7, 2) 的样本，把所有实数解以 (B, 3, 3, 3) 张量返回，未使用的槽位填零矩阵。

“可执行规范”意味着什么

传统视觉库里，一个旋转矩阵、一个基础矩阵的解法散落在各自文档里，实现之间常有细微不一致。Kornia 的野心是把这套约定显式化：代码即规范，测试即标准，基准测试不掺水。对做 SLAM、三维重建、数据增强或任何需要几何视觉的 AI 团队来说，这意味着可以放心把几何环节交给库，而不必担心”手写版本写长了就脆弱”。

支持批量变换、自动微分与 GPU 加速的它，安装就是一句 pip install kornia，官方还提供浏览器内试玩（Playground）、Colab 教程和完整文档。如果你的工作流里有图像增强或几何计算，值得把 torchvision 之外这一层补上。

仓库地址：https://github.com/kornia/kornia