Kornia: an Open Source Differentiable Computer Vision Library for PyTorch
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F20%3A00341237" target="_blank" >RIV/68407700:21230/20:00341237 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/WACV45572.2020.9093363" target="_blank" >https://doi.org/10.1109/WACV45572.2020.9093363</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/WACV45572.2020.9093363" target="_blank" >10.1109/WACV45572.2020.9093363</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Kornia: an Open Source Differentiable Computer Vision Library for PyTorch
Popis výsledku v původním jazyce
This work presents Kornia -- an open source computer vision library which consists of a set of differentiable routines and modules to solve generic computer vision problems. At its core, the package uses PyTorch as its main backend both for efficiency and to take advantage of the reverse-mode auto-differentiation to define and compute the gradient of complex functions. Inspired by OpenCV, Kornia is composed of a set of modules containing operators that can be inserted inside neural networks to train models to perform image transformations, camera calibration, epipolar geometry, and low level image processing techniques such as filtering and edge detection that operate directly on high dimensional tensor representations. Examples of classical vision problems implemented using our framework are also provided including a benchmark comparing to existing vision libraries.
Název v anglickém jazyce
Kornia: an Open Source Differentiable Computer Vision Library for PyTorch
Popis výsledku anglicky
This work presents Kornia -- an open source computer vision library which consists of a set of differentiable routines and modules to solve generic computer vision problems. At its core, the package uses PyTorch as its main backend both for efficiency and to take advantage of the reverse-mode auto-differentiation to define and compute the gradient of complex functions. Inspired by OpenCV, Kornia is composed of a set of modules containing operators that can be inserted inside neural networks to train models to perform image transformations, camera calibration, epipolar geometry, and low level image processing techniques such as filtering and edge detection that operate directly on high dimensional tensor representations. Examples of classical vision problems implemented using our framework are also provided including a benchmark comparing to existing vision libraries.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
2020 IEEE Winter Conference on Applications of Computer Vision (WACV)
ISBN
978-1-7281-6553-0
ISSN
2472-6737
e-ISSN
2642-9381
Počet stran výsledku
10
Strana od-do
3663-3672
Název nakladatele
IEEE
Místo vydání
New Jersey
Místo konání akce
Snowmass village
Datum konání akce
1. 3. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000578444803078