引數

• outputs (SuperPointKeypointDescriptionOutput) — 模型的原始輸出，包含相對（x，y）格式的關鍵點，以及分數和描述符。
• target_sizes (torch.Tensor 或 list[tuple[int, int]]) — 形狀為 (batch_size, 2) 的張量或元組列表 (tuple[int, int])，包含批次中每張影像的目標大小 (height, width)。這必須是原始影像大小（在任何處理之前）。

一個字典列表，每個字典包含根據目標大小、模型預測的批次中影像的分數和描述符的絕對格式的關鍵點。

引數

• images (ImageInput) — 要預處理的影像。期望單個或批次影像，畫素值範圍為 0 到 255。如果傳入的影像畫素值介於 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 後輸出影像的大小。如果 size["shortest_edge"] >= 384，影像將被調整為 (size["shortest_edge"], size["shortest_edge"])。否則，影像的較短邊將匹配到 int(size["shortest_edge"]/ crop_pct)，之後影像將被裁剪為 (size["shortest_edge"], size["shortest_edge"])。僅在 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，則用於縮放影像的比例因子。
• 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，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]) — 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，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 (形狀為 (batch_size, num_channels, image_size, image_size) 的 torch.FloatTensor) — 對應於輸入影像的張量。畫素值可以使用 {image_processor_class} 獲得。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 (形狀為 (batch_size, sequence_length) 的 torch.LongTensor，可選) — 用於計算遮罩語言模型損失的標籤。索引應在 [0, ..., config.vocab_size] 範圍內或為 -100（請參閱 input_ids 文件字串）。索引設定為 -100 的標記將被忽略（遮罩），損失僅針對標籤在 [0, ..., config.vocab_size] 範圍內的標記計算。
• 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，請參閱返回張量下的 hidden_states。
• return_dict (bool，可選) — 是否返回 ModelOutput 而不是純元組。

一個 transformers.models.superpoint.modeling_superpoint.SuperPointKeypointDescriptionOutput 或一個 torch.FloatTensor 的元組（如果傳入 return_dict=False 或當 config.return_dict=False 時），根據配置（SuperPointConfig）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。
• keypoints (形狀為 (batch_size, num_keypoints, 2) 的 torch.FloatTensor) — 給定影像中預測關鍵點的相對 (x, y) 座標。
• scores (形狀為 (batch_size, num_keypoints) 的 torch.FloatTensor) — 預測關鍵點的得分。
• descriptors (形狀為 (batch_size, num_keypoints, descriptor_size) 的 torch.FloatTensor) — 預測關鍵點的描述符。
• mask (形狀為 (batch_size, num_keypoints) 的 torch.BoolTensor) — 指示關鍵點、得分和描述符中哪些值是關鍵點資訊的掩碼。
• hidden_states (tuple(torch.FloatTensor)，可選，當傳入 output_hidden_states=True 時返回，或者
• 當 config.output_hidden_states=True) — 形狀為 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor 元組（一個用於嵌入層的輸出，如果模型有嵌入層，+ 一個用於每個階段的輸出）。模型在每個階段輸出的隱藏狀態（也稱為特徵圖）。