参数

• outputs (SuperPointKeypointDescriptionOutput) — 模型的原始输出，包含相对（x，y）格式的关键点，以及分数和描述符。
• target_sizes (torch.Tensor 或 list[tuple[int, int]]) — 形状为 (batch_size, 2) 的张量或元组列表 (tuple[int, int])，包含批次中每张图像的目标大小 (height, width)。这必须是原始图像大小（在任何处理之前）。

一个字典列表，每个字典包含根据目标大小、模型预测的批次中图像的分数和描述符的绝对格式的关键点。

参数

• images (ImageInput) — 要预处理的图像。期望单个或批量图像，像素值范围为 0 到 255。如果传入的图像像素值介于 0 到 1 之间，请设置 do_rescale=False。
• do_resize (bool, 可选, 默认为 self.do_resize) — 是否调整图像大小。
• size (dict[str, int], 可选, 默认为 self.size) — 应用 resize 后输出图像的大小。如果 size["shortest_edge"] >= 384，图像将被调整为 (size["shortest_edge"], size["shortest_edge"])。否则，图像的较短边将匹配到 int(size["shortest_edge"]/ crop_pct)，之后图像将被裁剪为 (size["shortest_edge"], size["shortest_edge"])。仅在 do_resize 设置为 True 时有效。
• do_rescale (bool, 可选, 默认为 self.do_rescale) — 是否将图像值缩放到 [0 - 1] 之间。
• rescale_factor (float, 可选, 默认为 self.rescale_factor) — 如果 do_rescale 设置为 True，则用于缩放图像的比例因子。
• do_grayscale (bool, 可选, 默认为 self.do_grayscale) — 是否将图像转换为灰度。
• return_tensors (str 或 TensorType, 可选) — 要返回的张量类型。可以是以下之一：
  • 未设置：返回 np.ndarray 列表。
  • TensorType.TENSORFLOW 或 'tf'：返回 tf.Tensor 类型的批次。
  • TensorType.PYTORCH 或 'pt'：返回 torch.Tensor 类型的批次。
  • TensorType.NUMPY 或 'np'：返回 np.ndarray 类型的批次。
  • TensorType.JAX 或 'jax'：返回 jax.numpy.ndarray 类型的批次。
• data_format (ChannelDimension或str，可选，默认为ChannelDimension.FIRST) — 输出图像的通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST: 图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST: 图像格式为 (height, width, num_channels)。
  • 未设置: 使用输入图像的通道维度格式。
• input_data_format (ChannelDimension或str，可选) — 输入图像的通道维度格式。如果未设置，则从输入图像推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST: 图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST: 图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE: 图像格式为 (height, width)。

参数

• image (np.ndarray) — 要调整大小的图像。
• size (dict[str, int]) — 形式为 {"height": int, "width": int} 的字典，指定输出图像的大小。
• data_format (ChannelDimension或str，可选) — 输出图像的通道维度格式。如果未提供，则从输入图像推断。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST: 图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST: 图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE: 图像格式为 (height, width)。
• input_data_format (ChannelDimension或str，可选) — 输入图像的通道维度格式。如果未设置，则从输入图像推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST: 图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST: 图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE: 图像格式为 (height, width)。

参数

• pixel_values (形状为 (batch_size, num_channels, image_size, image_size) 的 torch.FloatTensor) — 对应于输入图像的张量。像素值可以使用 {image_processor_class} 获得。有关详细信息，请参见 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• labels (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 用于计算遮罩语言模型损失的标签。索引应在 [0, ..., config.vocab_size] 范围内或为 -100（请参阅 input_ids 文档字符串）。索引设置为 -100 的标记将被忽略（遮罩），损失仅针对标签在 [0, ..., config.vocab_size] 范围内的标记计算。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
• return_dict (bool，可选) — 是否返回 ModelOutput 而不是纯元组。

一个 transformers.models.superpoint.modeling_superpoint.SuperPointKeypointDescriptionOutput 或一个 torch.FloatTensor 的元组（如果传入 return_dict=False 或当 config.return_dict=False 时），根据配置（SuperPointConfig）和输入包含各种元素。

• loss (形状为 (1,) 的 torch.FloatTensor，可选) — 训练期间计算的损失。
• keypoints (形状为 (batch_size, num_keypoints, 2) 的 torch.FloatTensor) — 给定图像中预测关键点的相对 (x, y) 坐标。
• scores (形状为 (batch_size, num_keypoints) 的 torch.FloatTensor) — 预测关键点的得分。
• descriptors (形状为 (batch_size, num_keypoints, descriptor_size) 的 torch.FloatTensor) — 预测关键点的描述符。
• mask (形状为 (batch_size, num_keypoints) 的 torch.BoolTensor) — 指示关键点、得分和描述符中哪些值是关键点信息的掩码。
• hidden_states (tuple(torch.FloatTensor)，可选，当传入 output_hidden_states=True 时返回，或者
• 当 config.output_hidden_states=True) — 形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor 元组（一个用于嵌入层的输出，如果模型有嵌入层，+ 一个用于每个阶段的输出）。模型在每个阶段输出的隐藏状态（也称为特征图）。