计算机视觉深度学习图像处理【免费下载链接】kornia Geometric Computer Vision Library for Spatial AI项目地址https://gitcode.com/GitHub_Trending/ko/kornia点击查看免费下载中值模糊是图像去噪中的经典非线性算子但在深度学习框架中它的实现方式直接决定了小窗口3x3/5x5下的吞吐能力。本文基于 Kornia 仓库中的 median_parallelism.md 并行化分析笔记结合 kornia/filters/median.py 源码与 tests/filters/test_median.py 测试完整讲解 Kornia 中值模糊的标准路径、CPU 固定选择网络快速路径的底层原理、语义约束平局索引、NaN/Inf、梯度、PyTorch 上游实现现状以及移动轴、改变内存布局实测结论与 channels-last 的实战取舍。读完本文你将理解小窗口median归约为何是性能瓶颈、Kornia 为何保留并仅限推理期启用 CPU 快速路径、以及如何在自己的图像 pipeline 中通过内存布局优化获得收益。背景中值模糊的标准路径与并行化窗口Kornia 中值模糊的标准通用路径位于 kornia/filters/median.py先用二值卷积核把每个局部窗口展开成特征轴再沿该轴取中值。padding _compute_zero_padding(kernel_size) kernel: torch.Tensor get_binary_kernel2d(kernel_size, ...) b, c, h, w input.shape # 将局部窗口映射为单个向量 features F.conv2d(input.reshape(b * c, 1, h, w), kernel, paddingpadding, stride1) features features.view(b, c, ky * kx, h, w) # B x C x (K_h * K_w) x H x W # 沿特征轴取中值 return features.median(dim2)[0]其核心形态是先构造一个B x C x K x H x W的窗口张量再调用median(dim2)。对于 3x3 或 5x5 窗口K9或K25即每个输出像素对应一次对 9 或 25 个值的归约共有B*C*H*W个相互独立的归约。从并行化角度看中值模糊应该沿着输出像素、通道和 batch 元素并行展开——这是天然的海量独立任务形态而把 CPU 线程分配到单个9/25 值窗口内部则过于细粒度收益极低。GPU 线程可以在窗口内协作但这种映射仍然需要最小化每个像素的工作量与内存流量。当前 PyTorch 的median(dim)实现三个后端的观察分析笔记针对 PyTorch 提交fc553088记录了 CPU、CUDA、MPS 三个后端对median(dim)的底层实现观察。下表是原文核心结论的完整整理注意这些都是实现层面的观察只有明确标注的才是上游实测数据不能替代基准套件的结论。后端对median(dim)的源码观察对 Kornia 小窗口的影响CPUmedian_with_indices_impl使用TensorIterator和iter.for_each独立的输出切片由 CPU 线程并行处理若被归约维度不是 stride-1会先做一次 contiguous 的 permuted 拷贝。每个切片会分配一个索引向量并调用std::nth_element标准路径外部并行度足够但其通用选择算法nth_element与拷贝对K9/25来说代价过高。CPU 无梯度固定选择网络避免了物化窗口和通用选择但其多次逐元素 pass 仍不如一个融合的原生 CPU kernel 高效CUDAgatherMedian将一个归约切片分配给一个 CUDA blockblock 大小把K向上取整到 warp因此 3x3/5x5 使用 32 线程kernel 先扫描 NaN再做 radix 选择最后再次扫描找到索引独立 block 众多输出级并行存在。但通用选择与索引计算对 9/25 值窗口来说不成比例。Python 级选择网络会引入大量 eager kernel 启动不适合作为 CUDA 替代方案MPSmedian_with_indices_impl_mps对浮点median(dim)先对每行排序再收集选中值/索引整型类型走 rank-select TopK行之间相互独立图像级输入可以占满设备但对 9/25 个值排序是过度的。eager 的 min/max 链也会受 launch 开销限制。设备端融合的小窗口 kernel 才是可信的进一步优化方向Kornia 的 CPU 快速路径固定选择网络针对上述通用选择算法对小窗口不成比例的问题Kornia 在 kornia/filters/median.py 中实现了固定选择网络fixed selection network_median_network(size)将 Batcher 奇偶归并排序网络Batcher, Sorting networks and their applications, AFIPS 1968剪枝到中间输出线缺失的线用符号正无穷表示。剪枝后只保留影响中值输出位置的比较器对。_MEDIAN_NETWORKS {3: _median_network(9), 5: _median_network(25)}即只为 3x3 与 5x5 窗口预生成网络。_median_blur_network(input, size)不物化 patch、不排序先 pad把窗口内每个偏移的视图放入values列表再按预生成的比较器对执行torch.minimum/torch.maximum逐层比较最后取values[size * size // 2]。网络路径还保留了 NaN/Inf 语义由于原始 one-hot 卷积会把窗口内任意 NaN/Inf 传播到每个提取的特征包括0 * Inf快速路径改为对有限值掩码做最大池化得到invalid掩码再用torch.where(invalid, nan, selected)恢复与标准路径一致的 NaN 传播行为见 median.py。median_blur在 median.py 中的分派条件完整如下设备为 CPU或 CUDA 且is_compiling()或ky 3且输入元素数 1 20大输入下才值得用 eager 网络未开启 autocast通道数非 0输入为浮点、不要求梯度not input.requires_grad无 forward-mode AD tangentunpack_dual(input).tangent is None核高宽相等且ky在_MEDIAN_NETWORKS中即 3 或 5。不满足条件时回退到标准卷积 median(dim2)路径导出ONNX场景则用features.sort(dim2)取同一lower-middle元素因为median.dim没有 ONNX loweringmedian.py。语义约束为什么快速路径只能用于推理median(dim)同时返回值和索引索引决定反向传播路径。这是限制快速路径最根本的语义因素CPU 的当前比较器对相等值按原始索引排序CUDA 文档则把选中的平局索引声明为不确定对应 PyTorch issue #161841。min/max 选择网络返回相同的中值值但无需保持该索引及其梯度。因此快速路径必须严格限定在推理场景现有 Kornia CPU 快速路径排除了 autograd 和 forward-mode AD分派条件中的requires_grad与tangent检查。同时它必须保持 PyTorch 的lower-middle 选择偶数窗口取偏下中位与NaN/Inf 传播语义。这些约束在 tests/filters/test_median.py 中被逐一验证test_selection_matches_convolution对照卷积median 参考路径覆盖 contiguous / transposed / channels_last 三种布局test_selection_nonfinite与test_nonfinite_autograd_fallback检查 NaN/Inftest_tied_gradients_unchanged与test_tied_forward_gradients_unchanged在atol0, rtol0下验证普通梯度与 JVP 完全不变test_selection_dispatch则用 monkeypatch 统计_median_blur_network的调用次数来固定分派规则CPU 总是选择eager CUDA 仅 3x3 且元素数达标。PyTorch 上游状态截至文档核对日期2026-09-18上游状态如下CPUtorch.median(dim)慢于 sort 的 issue #51450 仍处于打开状态。其报告是历史性能数据并非对当前 Kornia 分支的实测。CUDA在核对日期的 GitHub 搜索中未发现相关的 PyTorch CUDAmedian性能PR。CUDA 已有专用的通用 median kernel这是有实现的证据但不代表它对中值模糊已是最优。MPSPR #187060 已于 2026-06-12 合并把 median/nanmedian 迁移到 Metal 并报告了大输入提速包括median(dim)场景但其结果未覆盖 3x3/5x5 图像窗口该路径对浮点仍是排序后收集。由此得出的实际方向是保留现有 CPU 3x3/5x5 推理快速路径只有在做设备端融合 kernel、并配套聚焦的设备基准与显式的 value/NaN/Inf/gradient 测试时才继续推进 CUDA/MPS 工作。torch.compile被有意排除在本 eager 路径评估之外——注意源码注释指出 Inductor 会把选择网络融合成单个 CUDA kernel而 eager CUDA 每个比较器启动一个 kernel仅在大输入的 3x3 场景下才划算median.py。实测移动轴与内存布局的影响文档区分了两个容易混淆的轴C是图像通道轴K是包含 9 或 25 个邻域样本的归约轴。用movedim把K移到最后只是改变视图并不会让K的值在内存中相邻追加contiguous()才会真正拷贝展开后的窗口张量来做到相邻——而 CPU 的 median 实现本来就会做这种重排。实测环境Apple M1、PyTorch 2.14.0、float32、4 个 CPU 线程输入1 x 3 x 256 x 256、5x5 窗口。数值为三次重复测量的中位数每次使用common.time_us(min_run_time0.35)MPS 在计时区域内同步。每个变体都包含其提取或布局转换开销输出均与原始卷积/median 路径比对过。变体CPU msMPS ms卷积然后原始median(dim2)25.6148.28同样的提取把K移到最后再取中值26.4546.53同样的提取把K移到最后并 contiguous25.6246.54当前公开median_blurcontiguous BCHW 输入16.9446.91当前公开 API已是 channels-last 图像存储12.8452.32当前公开 API含转成 channels-last 的转换13.0951.90前三行是通用回退路径的诊断变体不是替代性的公开实现它们并没有超过当前 CPU 3x3/5x5 推理网络。在额外的 3x3/7x7 与 batch 探针中移动K并非一致的改进显式拷贝还在 batched MPS 场景下发生了回退。物理 channels-last 图像存储可以在不改变 BCHW 形状的前提下帮助现有的 CPU 选择网络image image.contiguous(memory_formattorch.channels_last) result kornia.filters.median_blur(image, 5)更广的 CPU 探针覆盖了 batch 1/8、通道 1/3/16/32、图像尺寸 64/128/256、1/4 线程多通道大图有收益但转换在 4 线程下回退了 RGB 64x64 场景5x5 时吞吐约为 0.65x上面的 MPS 例子也同样回退。因此实现不会强制某种内存格式——在把图像 pipeline 固定为 channels-last 之前请先用自己的真实形状和线程数做基准。该布局研究没有可用的 CUDA 设备。如何复现与扩展这类测量文档强调这些是实现观察而非对当前分支的权威基准。Kornia 的基准设施位于 benchmarks/benchmarks/common.py 提供统一的测量方法论warm_up_cpu()让 PyTorch 线程池进入持续负载混合架构 CPU 上轻载线程会被调度到能效核未预热会反转 A/B 结论time_us()包装torch.utils.benchmark.Timer.blocked_autorange返回中位数median与四分位距IQR作为离散度run_metadata()记录 git commit、平台、Python/torch/kornia 版本、线程数、设备名等可引用元数据save_json()输出{metadata: ..., results: [...]}的严格 JSON。benchmarks/filters/flagship.py 是 filters 旗舰基准median_blur行对比 OpenCVcv2.medianBlur、albumentations、scikit-image、kornia-rs 与 PIL注意各库边界处理不同Kornia/scikit-image 用 zero paddingOpenCV 用复制边界。典型运行方式python benchmarks/filters/flagship.py --batches 1,8,32 --size 256 --device cpu python benchmarks/filters/flagship.py --device cuda --compile --json filters_cuda.json python benchmarks/filters/flagship.py --ops gaussian_blur2d,unsharp_mask --compile结论与实战要点标准路径BxCxKxHxW窗口张量 median(dim2)外部并行度充足但通用选择算法对 9/25 值窗口不成比例。CPU 快速路径基于 Batcher 网络剪枝出的固定选择网络median.py避免物化窗口与排序受平局索引、梯度与 NaN/Inf 语义约束仅限推理且仅对 3x3/5x5 启用。移动轴无效movedim/contiguous()调整K轴没有一致收益显式拷贝在 batched MPS 下反而回退。channels-last 有条件有效多通道大图可获益示例 25.61→12.84 ms但小图/4 线程与 MPS 会回退务必按实际形状基准后决定实现不强制任何内存格式。上游CPU issue #51450 仍开放MPS PR #187060 已合并但不覆盖小窗口进一步的 CUDA/MPS 优化应以设备端融合 kernel 聚焦设备基准 显式 value/NaN/Inf/gradient 测试为前提torch.compile不在本 eager 路径评估范围内。对普通 Kornia 用户而言最简单有效的经验法则是在 CPU 推理管线中若图像是多通道且尺寸较大可以尝试image.contiguous(memory_formattorch.channels_last)后用kornia.filters.median_blur并以自己的数据跑一次基准再决定是否保留该布局。赞分享计算机视觉深度学习图像处理【免费下载链接】kornia Geometric Computer Vision Library for Spatial AI项目地址https://gitcode.com/GitHub_Trending/ko/kornia点击查看免费下载相关推荐Kornia 中值模糊并行性深度研究PyTorch median(dim) 后端实现、推理快速路径与通道末位内存布局实测Kornia 中值模糊并行性深度研究PyTorch median dim 后端实现、推理快速路径与通道末位内存布局实测 本篇基于仓库内研究笔记 benchma人工智能计算机视觉深度学习图像处理Kornia CPU 高斯模糊与尺度金字塔加速张量切片快速路径的基准分析与复现指南Kornia CPU 高斯模糊与尺度金字塔加速张量切片快速路径的基准分析与复现指南 Kornia 在 benchmarks/filters/gaussian_人工智能计算机视觉深度学习图像处理jimp/plugin-blur 深度解析从快速模糊到高斯模糊的实现原理与版本演进jimp/plugin blur 深度解析从快速模糊到高斯模糊的实现原理与版本演进 jimp/plugin blur 是 jimp 图像处理库中的模糊插件图像处理上一篇原神效率革命Snap Hutao全维度解析与实战指南下一篇3分钟上手m3u8视频下载工具轻松保存直播流的实用教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考