Um matcher de features que encontra correspondências entre duas imagens usando keypoints esparsos, grids densos ou nenhum keypoint, com verificação integrada para detectar pares de imagens parecidas.
FlexGlue é um matcher de features em Python para pipelines de visão computacional, como correspondência de imagens e reconstrução 3D. Ele codifica cada imagem com um backbone DINOv3-ConvNeXt, gerando um mapa de features com stride 8, refina os dois mapas com um transformer e localiza a correspondência de cada ponto de consulta na outra imagem por correlação. Pode fazer matching de keypoints fornecidos pelo usuário (os exemplos usam o detector ALIKED do LightGlue), de grids densos de pontos amostrados ou executar sem nenhum keypoint.
Além do matching, o FlexGlue prevê uma pontuação de covisibilidade, que representa a probabilidade de duas imagens mostrarem o mesmo lugar. Isso permite rejeitar pares parecidos, como fachadas repetidas de edifícios, e, com early stopping, evita a maior parte do processamento nos pares rejeitados. Os matchers podem ser executados em batches, compilados com torch.compile, carregados via torch.hub ou exportados para ONNX e executados com ONNX Runtime sem PyTorch.
O projeto oferece um notebook de demonstração, pesos pré-treinados e refinamento opcional em nível subpixel usando RoMa v2. O código é licenciado sob MIT, enquanto os pesos do backbone DINOv3 são distribuídos sob uma licença separada com restrições de uso.
Clone o repositório e entre nele
git clone https://github.com/cvg/FlexGlue.git && cd FlexGlueInstale o FlexGlue com pip no modo editável
python -m pip install -e .Instale o commit mais recente do LightGlue para usar seus detectores de pontos-chave (opcional)
python -m pip install git+https://github.com/cvg/LightGlue.gitExecute o notebook de demonstração no Colab ou localmente
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Biblioteca diferenciável de visão computacional baseada em PyTorch, com processamento de imagens otimizado para GPU, geometria, augmentations e operadores de correspondência de features.
Ultralytics YOLOv5, toolkit de visão computacional baseado em PyTorch para detecção de objetos, segmentação de instâncias e classificação de imagens, com recursos de treinamento e exportação.
Implementação oficial em PyTorch do BiRefNet, um modelo de deep learning para segmentação dicotômica de imagens em alta resolução, usado com frequência para remover fundos.
Livro gratuito e de código aberto, em chinês, com código complementar para aprender PyTorch, do básico a aplicações de CV, NLP e LLMs e ao deployment.
Pipeline de uso geral de Structure-from-Motion e Multi-View Stereo, com interfaces gráfica e de linha de comando para reconstrução 3D a partir de imagens.
Ferramenta open source de programação visual baseada em nós para fotogrametria, que transforma fotos em modelos 3D, rastreia câmeras e cria imagens HDR.