PyTorch 上的可微分计算机视觉库：图像处理、几何视觉、数据增强和特征匹配算子都直接在 GPU 张量上批量运行，大多能反向传播，可以直接嵌进训练流程。
星数 12133（+412 / 24h）
理由
- 作者称有 1200 多个公开算子，多数是 torchvision 没有的：相机模型与对极几何、最小解算器和 RANSAC、SIFT / DISK / ALIKED / XFeat / DeDoDe / LoFTR / LightGlue 等局部特征与匹配；一次调用里每张图可以用不同参数
- 项目方向是做 PyTorch 生态里可微分视觉与几何的参考实现，重视明确约定、一致性测试和如实的基准：README 同时写了快的地方（批量 GPU 上比逐张 CPU 的 OpenCV 快很多）和慢的地方（翻转、裁剪等小算子不如 torchvision，单张 uint8 图像 OpenCV 更快）
- 多数算子能在 torch.compile 下运行，大量算子可导出 ONNX，每个算子的支持情况在文档里公开
用法
- pip install kornia；示例：gaussian_blur2d(x, (9, 9), sigma) 中 sigma 可以是每张图一组的张量，AugmentationSequential 对图像、掩码、框和关键点同步做同一个随机变换
风险
- 单个固定参数的简单操作用几行 PyTorch 或 torchvision 就够；半精度在 CPU 上仍有已知失败用例，CUDA / MPS 的半精度没有 CI 覆盖
- 速度对比数字来自作者在 RTX 4090 上的基准，随硬件和负载变化；老牌项目（2018 年建），本期首次进榜；许可证 Apache-2.0