新闻详情

新闻详情

首页 / 资讯中心 / 详情

Kornia Boxes3D 梯度计算修复解析:to_tensor 与 get_boxes_shape 恢复可微性

发布时间:2026/11/17 13:30:00来源:尧图网络
Kornia Boxes3D 梯度计算修复解析:to_tensor 与 get_boxes_shape 恢复可微性
计算机视觉深度学习人工智能图像处理【免费下载链接】kornia 空间人工智能的几何计算机视觉库项目地址https://gitcode.com/kornia/kornia点击查看免费下载本文基于 Kornia 仓库 changelog 中 migration-095 的修复记录深入剖析Boxes3D.to_tensor与Boxes3D.get_boxes_shape重新恢复可微性#1396背后的数学原理、代码实现与测试验证帮助你理解amin/amax归约在顶点并列tie处的次梯度行为以及为何修复后你可以在反向传播中使用 3D 边界框导出。修复背景一个被误判为梯度 bug的 RuntimeErrorBoxes3D定义于 kornia/geometry/boxes.py将 3D 边界框存储为 8 个顶点(x, y, z)的十六面体数据形状为(N, 8, 3)或(B, N, 8, 3)。当调用to_tensor或get_boxes_shape时代码会通过amin/amax将这 8 个顶点归约为其最小/最大角点见 kornia/geometry/boxes.py 和 kornia/geometry/boxes.py。在修复之前to_tensor只要检测到输入requires_gradTrue就会无条件抛出RuntimeError。原因在于轴对齐axis-aligned的盒子每个面都有 4 个顶点在某一轴极值处完全并列此时amin/amax的反向传播会把梯度均匀地分配给并列的顶点每个1/4。这是一个合法的次梯度subgradient可以用于优化但torch.autograd.gradcheck的中心差分估计在这个精确点上无法匹配它——这与任何归约函数在拐点kink处的非唯一性相同如torch.max、ReLU在各自拐点处的行为。当时的开发者把这种 gradcheck 不匹配误认为真正的梯度 bug于是给to_tensor加上了无条件报错的守卫导致所有需要对Boxes3D求导的场景都被一刀切地禁止——包括那些根本不会穿过并列点求导的常见情形例如朝向任意非轴对齐的盒子或损失函数根本不触及并列分量。修复内容移除守卫文档化拐点行为migration-095 的修复包含两部分核心动作移除无条件守卫to_tensor不再因输入requires_grad而抛错。现在无论输入是否要求梯度导出流程都正常执行。在 docstring 中记录并列行为在 Boxes3D.to_tensor 的 Note 段落 中将顶点并列处的梯度行为明确文档化而不是称之为 bug并给出了与torch.max、ReLU拐点行为的一致性解释。值得注意的是Boxes2D 版本使用相同的归约却从未被守卫。原因是轴对齐矩形在每一轴极值处总是2 路并列此时1/2的梯度分配恰好与中心差分估计数值一致——同样的拐点只是对 gradcheck 来说不可见。这意味着 2D 版本一直处于可微状态从未受影响。次梯度原理为什么 1/4 分配是正确的在数学上amin/amax是分段线性函数在多个顶点并列处不可微经典意义下无导数。PyTorch 的amin/amax反向传播在并列点采用均匀分配策略对k个并列顶点每个分得1/k的梯度。这构成了该点的一个合法次梯度是凸优化理论中可用的下降方向。具体到Boxes3D.to_tensor8 个顶点归约为(xmin, ymin, zmin, xmax, ymax, zmax)6 个值对轴对齐盒子例如xmin由顶点 0、3、4、7 共同决定根据测试 tests/geometry/test_boxes.py 中的注释反向传播时这 4 个顶点各得0.25的梯度该次梯度可用于优化例如梯度下降更新顶点坐标只是中心差分 gradcheck 无法在精确并列点验证它。关键洞察真实世界中非退化的盒子即不在轴极值处有精确并列的盒子根本不会落在拐点上。测试注释明确指出Jittering every vertex breaks the ties without changing which corner is the true min/max, so gradcheck verifies the reduction everywhere else, which is everywhere a real (non-degenerate) box lives.见 tests/geometry/test_boxes.py。代码级验证tests 中的双重保障修复在测试层面做了双重保障1. 带抖动jitter的 gradcheck 测试TestBoxes3D.test_gradcheck 使用一个固定模式的小抖动jitter arange(...) * 1e-4打乱每个顶点坐标破坏精确并列从而让 gradcheck 能够验证归约在除拐点以外的所有地方的梯度正确性。该测试覆盖了to_tensor三种 mode、get_boxes_shape以及from_tensor的多个路径。2. 固定次梯度的回归测试test_convention_to_tensor_tie_gradient_is_an_even_subgradient_1396 是专门为 #1396 新增的回归测试它构造一个带requires_gradTrue的轴对齐盒子调用to_tensor(modexyzxyz)对输出out[0, 0]即 xmin反向传播然后断言并列顶点 0、3、4、7 的梯度各为0.25。该测试将均匀次梯度钉死为实际、正确、且如今不再被守卫的行为未来任何改变此行为例如放弃amin/amax实现的改动都必须同时改动这个测试。迁移影响你的代码会怎样变化如果你此前因RuntimeError而绕过了Boxes3D的求导路径修复后你可以直接对Boxes3D对象调用to_tensor/get_boxes_shape并参与反向传播无需先detach()对非轴对齐旋转盒子求导是安全的——它们没有精确并列梯度是经典意义下准确的对轴对齐盒子求导也是合法的——梯度是次梯度意义上的有效方向只是数值上不与中心差分一致这正是 gradcheck 会失败的地方也是测试中使用抖动的原因。仍然不可微的边界to_mask 的守卫保留注意修复并没有改变to_mask的行为。Boxes.to_maskkornia/geometry/boxes.py和Boxes3D.to_maskkornia/geometry/boxes.py依然会对requires_gradTrue的输入抛出RuntimeErrorBoxes.to_tensor isnt differentiable...见 kornia/geometry/boxes.py。这是因为 mask 生成涉及不可微的取整与网格比较操作与to_tensor的纯归约语义不同。测试 tests/geometry/test_boxes.py 和 tests/geometry/test_boxes.py 分别验证了 3D 与 2D 版本的这个守卫仍然生效。最小复现示例以下代码演示修复后的可微行为与回归测试思路一致import torch from kornia.geometry.boxes import Boxes3D # 轴对齐盒子8 个顶点 (x, y, z) vertices torch.tensor( [ [ [0.0, 1.0, 2.0], [10.0, 1.0, 2.0], [10.0, 21.0, 2.0], [0.0, 21.0, 2.0], [0.0, 1.0, 32.0], [10.0, 1.0, 32.0], [10.0, 21.0, 32.0], [0.0, 21.0, 32.0], ] ], requires_gradTrue, ) boxes Boxes3D(vertices) out boxes.to_tensor(modexyzxyz) # (N1, 6)不再抛 RuntimeError out[0, 0].backward() # d(xmin)/d(vertices)xmin 在顶点 0、3、4、7 处并列 print(vertices.grad[0, 0, 0].item()) # 0.25 —— 均匀次梯度运行修复前的版本最后一步会因requires_gradTrue直接抛出RuntimeError修复后则输出0.25。总结migration-095 修复的核心价值在于纠正了一个过于保守的错误判断把amin/amax在并列点处的合法次梯度误认为梯度 bug并因此禁止了所有带梯度的Boxes3D导出。修复移除了守卫、将拐点行为写入文档、并添加了双重测试抖动 gradcheck 固定次梯度回归来锁定语义。如今Boxes3D.to_tensor和Boxes3D.get_boxes_shape恢复了完整的可微性3D 边界框可以自由参与端到端的梯度传播同时 2DBoxes一贯的可微行为也通过同一原理得到了印证。赞分享计算机视觉深度学习人工智能图像处理【免费下载链接】kornia 空间人工智能的几何计算机视觉库项目地址https://gitcode.com/kornia/kornia点击查看免费下载相关推荐Kornia 几何可微性修复Boxes3D.to_tensor 与 get_boxes_shape 在顶点并列处的子梯度语义Kornia 几何可微性修复Boxes3D.to_tensor 与 get_boxes_shape 在顶点并列处的子梯度语义 Boxes3D.to_tenso计算机视觉人工智能深度学习图像处理LeetCode-Go 题解528. Random Pick with Weight —— 前缀和 二分查找实现权重随机采样LeetCode Go 题解528. Random Pick with Weight —— 前缀和 二分查找实现权重随机采样 导读 本文围绕 LeetCo计算机视觉人工智能深度学习图像处理Kornia 相机去畸变数值稳定性修复解析undistort_points_kannala_brandt 的 float16 精度与梯度修复Kornia 相机去畸变数值稳定性修复解析 undistort_points_kannala_brandt 的 float16 精度与梯度修复 本篇技术指南围计算机视觉人工智能深度学习图像处理上一篇Element UI表格横向滚动条终极解决方案让滚动条始终可见下一篇WiFi-DensePose当无线信号学会看见人体姿态智能感知的革命正在发生创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉