kornia/kornia-rs

解决的问题

Kornia-rs 为 Rust 中的计算机视觉任务提供了高性能、底层的基石。它解决了对快速、线程安全的图像处理的需求，能够无缝连接原始相机数据与 PyTorch 或 TensorRT 等机器学习推理引擎，且无需进行不必要的数据拷贝。

工作原理

它使用统一的 API，根据数据所在位置自动将操作分发到 CPU 或 NVIDIA GPU。通过利用 SIMD (NEON/AVX2) 进行 CPU 任务，以及使用自定义 CUDA 内核进行 GPU 任务，它实现了实时流水线。它通过 DLPack 和 CUDA Array Interface 等标准支持零拷贝互操作性，允许将处理后的帧直接传递给深度学习模型。

适用对象

该库专为构建实时计算机视觉应用的开发者设计，例如从相机到推理的流水线、机器人技术或科学成像，这些应用既需要 Rust 的内存安全性，也需要硬件加速处理的原始性能。

亮点

• 使用 Rust 编写，具备内存和线程安全性，且没有全局解释器锁 (GIL)。
• 统一的 API，可自动处理 CPU 和 GPU 执行。
• 与 PyTorch 和 TensorRT 的零拷贝集成。
• 支持实时 V4L2 相机采集，并具备用于预处理的融合 CUDA 内核。
• 支持多种图像格式，包括 JPEG (通过 libjpeg-turbo)、PNG、TIFF 和 WebP。
• 提供 Python 绑定，支持标准和自由线程 (free-threaded) Python 构建。