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) 的張量或元組列表（tuple[int, int]），包含批處理中每幅影像的目標尺寸 (height, width)。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，請將 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，則影像被調整為 (size["shortest_edge"], size["shortest_edge"])。否則，影像的較短邊將被匹配到 int(size["shortest_edge"]/ crop_pct)，之後影像被裁剪為 (size["shortest_edge"], size["shortest_edge"])。僅當 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，則使用重取樣過濾器。這可以是 PILImageResampling 的過濾器之一。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，則按此縮放因子對影像進行縮放。
• 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 型別的批處理。
  • TensorType.PYTORCH 或 'pt'：返回 torch.Tensor 型別的批處理。
  • TensorType.NUMPY 或 'np'：返回 np.ndarray 型別的批處理。
  • TensorType.JAX 或 'jax'：返回 jax.numpy.ndarray 型別的批處理。
• 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，則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]) — 字典形式為 {"height": int, "width": int}，指定輸出影像的尺寸。
• data_format (ChannelDimension 或 str, 可選) — 輸出影像的通道維度格式。如果未提供，則從輸入影像推斷。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，則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 (torch.FloatTensor, 形狀為 (batch_size, num_channels, image_size, image_size)) — 對應於輸入影像的張量。畫素值可以使用 {image_processor_class} 獲取。有關詳細資訊，請參見 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 處理影像）。
• labels (torch.LongTensor, 形狀為 (batch_size, sequence_length), 可選) — 用於計算掩碼語言建模損失的標籤。索引應在 [0, ..., config.vocab_size] 或 -100 之間（參見 input_ids 文件字串）。索引設定為 -100 的標記將被忽略（掩碼），損失只針對標籤在 [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。有關更多詳細資訊，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。有關更多詳細資訊，請參閱返回張量中的 hidden_states。
• return_dict (bool, 可選) — 是否返回 ModelOutput 而不是普通元組。

一個 transformers.models.superglue.modeling_superglue.KeypointMatchingOutput 或一個 torch.FloatTensor 元組（如果傳入 return_dict=False 或當 config.return_dict=False 時），根據配置 (SuperGlueConfig) 和輸入包含各種元素。

• loss (形狀為 (1,) 的 torch.FloatTensor，可選) — 訓練期間計算的損失。
• matches (torch.FloatTensor, 形狀為 (batch_size, 2, num_matches)) — 另一個影像中匹配的關鍵點索引。
• matching_scores (torch.FloatTensor, 形狀為 (batch_size, 2, num_matches)) — 預測匹配的分數。
• keypoints (torch.FloatTensor, 形狀為 (batch_size, num_keypoints, 2)) — 給定影像中預測關鍵點的絕對 (x, y) 座標。
• mask (torch.IntTensor, 形狀為 (batch_size, num_keypoints)) — 指示匹配和匹配分數中的哪些值是關鍵點匹配資訊的掩碼。
• hidden_states (tuple[torch.FloatTensor, ...], 可選) — torch.FloatTensor 元組（每個階段輸出一個），形狀為 (batch_size, 2, num_channels, num_keypoints)，當傳入 output_hidden_states=True 或當 config.output_hidden_states=True 時返回。
• attentions (tuple[torch.FloatTensor, ...], 可選) — torch.FloatTensor 元組（每層一個），形狀為 (batch_size, 2, num_heads, num_keypoints, num_keypoints)，當傳入 output_attentions=True 或當 config.output_attentions=True 時返回。