引數

• images (ImageInput) — 要繪製的影像對。與 LightGlueImageProcessor.preprocess 相同。期望是包含 2 張影像的列表或包含 2 張影像列表的列表，畫素值範圍為 0 到 255。
• outputs (LightGlueKeypointMatchingOutput) — 模型的原始輸出。

引數

• outputs (KeypointMatchingOutput) — 模型的原始輸出。
• target_sizes (torch.Tensor 或 list[tuple[tuple[int, int]]], 可選) — 形狀為 (batch_size, 2, 2) 的張量或包含批次中每張影像的目標尺寸 (height, width) 的元組列表（tuple[int, int]）。這必須是原始影像尺寸（在任何處理之前）。
• threshold (float, 可選, 預設為 0.0) — 過濾掉低分匹配的閾值。

字典列表，每個字典包含影像對中第一張和第二張影像的關鍵點、匹配分數和匹配索引。

引數

• images (ImageInput) — 要預處理的影像對。期望是包含 2 張影像的列表或包含 2 張影像列表的列表，畫素值範圍為 0 到 255。如果傳入的影像畫素值在 0 到 1 之間，請設定 do_rescale=False。
• do_resize (bool, 可選, 預設為 self.do_resize) — 是否調整影像大小。
• size (dict[str, int], 可選, 預設為 self.size) — 應用 resize 後輸出影像的尺寸。如果 size["shortest_edge"] >= 384，影像將調整為 (size["shortest_edge"], size["shortest_edge"])。否則，影像的較短邊將匹配 int(size["shortest_edge"]/ crop_pct)，然後將影像裁剪為 (size["shortest_edge"], size["shortest_edge"])。僅在 do_resize 設定為 True 時有效。
• resample (PILImageResampling, 可選, 預設為 self.resample) — 如果調整影像大小，要使用的重取樣濾鏡。可以是 PILImageResampling 的一種濾鏡。僅當 do_resize 設定為 True 時有效。
• do_rescale (bool, 可選, 預設為 self.do_rescale) — 是否將影像值縮放到 [0 - 1] 之間。
• rescale_factor (float, 可選, 預設為 self.rescale_factor) — 如果 do_rescale 設定為 True，用於縮放影像的縮放因子。
• do_grayscale (bool, 可選, 預設為 self.do_grayscale) — 是否將影像轉換為灰度。
• return_tensors (str 或 TensorType, 可選) — 要返回的張量型別。可以是以下之一：
  • 未設定：返回 np.ndarray 列表。
  • TensorType.TENSORFLOW 或 'tf'：返回 tf.Tensor 型別的批次。
  • TensorType.PYTORCH 或 'pt'：返回 torch.Tensor 型別的批次。
  • TensorType.NUMPY 或 'np'：返回 np.ndarray 型別的批次。
  • TensorType.JAX 或 'jax'：返回 jax.numpy.ndarray 型別的批次。
• data_format (ChannelDimension 或 str, 可選, 預設為 ChannelDimension.FIRST) — 輸出影像的通道維度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • 未設定：使用輸入影像的通道維度格式。
• input_data_format (ChannelDimension 或 str, 可選) — 輸入影像的通道維度格式。如果未設定，將從輸入影像推斷通道維度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：影像格式為 (height, width)。

引數

• image (np.ndarray) — 要調整大小的影像。
• size (dict[str, int]) — 形式為 {"height": int, "width": int} 的字典，指定輸出影像的大小。
• data_format (ChannelDimension 或 str, 可選) — 輸出影像的通道維度格式。如果未提供，將從輸入影像推斷。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：影像格式為 (height, width)。
• input_data_format (ChannelDimension 或 str, 可選) — 輸入影像的通道維度格式。如果未設定，將從輸入影像推斷通道維度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：影像格式為 (height, width)。

引數

• pixel_values (形狀為 (batch_size, num_channels, image_size, image_size) 的 torch.FloatTensor) — 對應於輸入影像的張量。畫素值可以透過 {image_processor_class} 獲取。有關詳細資訊，請參閱 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 處理影像）。
• labels (形狀為 (batch_size, sequence_length) 的 torch.LongTensor, 可選) — 用於計算掩碼語言模型損失的標籤。索引應在 [0, ..., config.vocab_size] 或 -100 之間（請參閱 input_ids 文件字串）。索引設定為 -100 的標記將被忽略（掩碼），損失僅針對標籤在 [0, ..., config.vocab_size] 中的標記計算。
• output_attentions (bool, 可選) — 是否返回所有注意力層的注意力張量。更多詳細資訊請參閱返回張量中的 attentions。
• output_hidden_states (bool, 可選) — 是否返回所有層的隱藏狀態。更多詳細資訊請參閱返回張量中的 hidden_states。

transformers.models.lightglue.modeling_lightglue.LightGlueKeypointMatchingOutput 或 torch.FloatTensor 的元組（如果傳入 return_dict=False 或 config.return_dict=False 時），包含根據配置（LightGlueConfig）和輸入的不同元素。

• loss (形狀為 (1,) 的 torch.FloatTensor，可選) — 訓練期間計算的損失。
• matches (形狀為 (batch_size, 2, num_matches) 的 torch.FloatTensor) — 在另一影像中匹配的關鍵點索引。
• matching_scores (形狀為 (batch_size, 2, num_matches) 的 torch.FloatTensor) — 預測匹配的分數。
• keypoints (形狀為 (batch_size, num_keypoints, 2) 的 torch.FloatTensor) — 給定影像中預測關鍵點的絕對 (x, y) 座標。
• prune (形狀為 (batch_size, num_keypoints) 的 torch.IntTensor) — 剪枝掩碼，指示哪些關鍵點被移除以及在哪個層被移除。
• mask (形狀為 (batch_size, num_keypoints) 的 torch.BoolTensor) — 掩碼，指示匹配、匹配分數、關鍵點和剪枝中的哪些值是關鍵點匹配資訊。
• hidden_states (Tuple[torch.FloatTensor, ...], 可選) — torch.FloatTensor 的元組（每個階段的輸出一個），形狀為 (batch_size, 2, num_channels, num_keypoints)，當傳入 output_hidden_states=True 或 config.output_hidden_states=True 時返回。
• attentions (Tuple[torch.FloatTensor, ...], 可選) — torch.FloatTensor 的元組（每層一個），形狀為 (batch_size, 2, num_heads, num_keypoints, num_keypoints)，當傳入 output_attentions=True 或 config.output_attentions=True 時返回。