Kornia 论文引用指南：官方 BibTeX 条目与仓库引用体系全解析

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篇指南以仓库根目录的 CITATION.md 为骨架完整收录 Kornia 官方推荐引用的 4 篇论文及其 BibTeX 条目并结合仓库内的 README Cite 章节、Sphinx 文档的引用配置与 references.bib 文献库讲清楚在什么场景引用哪篇论文、条目如何解读、如何在 LaTeX / Jupyter / README 中使用帮助研究者在论文、技术报告与博客中正确、规范地引用 Kornia。为什么要在研究文档中引用 KorniaKornia 是一个基于 PyTorch 构建的可微计算机视觉库提供大量可微分的图像处理与几何视觉算子批处理、自动微分与 GPU 加速开箱即用其能力范围覆盖kornia.augmentation数据增强、kornia.geometry几何变换、相机与极几何、kornia.feature局部特征、kornia.filters滤波与kornia.losses损失函数等模块。在 README.md 的 Cite 章节中项目方明确建议If you are using kornia in your research-related documents, it is recommended that you cite the paper. See more in CITATION.即只要你的研究文档论文、预印本、技术报告、学位论文使用了 Kornia官方就推荐引用其论文。这与学术界使用即引用的惯例一致——引用既是对作者工作的尊重也为读者提供了方法依据与可复现路径。因此把 CITATION.md 中的条目准备好是每个 Kornia 使用者写论文前的必修课。官方推荐引用的四篇论文CITATION.md 共列出 4 篇与 Kornia 直接相关的出版物按时间与定位可分为三组主论文第 1 条Kornia 的正式发布论文发表于 WACV 2020是使用 Kornia 时最常被引用的条目综述论文第 2 条对 Kornia 的全面综述涵盖更多模块与设计动机可微数据增强论文第 3 条聚焦kornia.augmentation在深度学习训练中的可微增强应用前身项目 torchgeometry第 4 条Kornia 的几何前身发布于 2018 年 PyTorch Developer Conference涉及几何视觉的早期探索。完整 BibTeX 条目与逐条解读以下是 CITATION.md 中提供的全部 4 条 BibTeX 条目请原样复制使用条目内 URL 为文献元数据粘贴到 LaTeX 后会自动渲染为参考文献信息无需手动点击1. 主论文Kornia: an Open Source Differentiable Computer Vision Library for PyTorchinproceedings{eriba2019kornia, author {E. Riba, D. Mishkin, D. Ponsa, E. Rublee and G. Bradski}, title {Kornia: an Open Source Differentiable Computer Vision Library for PyTorch}, booktitle {Winter Conference on Applications of Computer Vision}, year {2020}, url {https://arxiv.org/pdf/1910.02190.pdf} }推荐场景在论文中首次介绍 Kornia、说明整体架构或引用其图像处理/几何能力时引用这一条。字段解读inproceedings表示该文献是会议论文booktitle为会议名WACVurl指向 arXiv 预印本 PDF。仓库佐证README 的 Cite 章节 同样内嵌了这条条目说明它是官方最主推的引用文档站 Citing Kornia 页面docs/source/get-started/about.rst也收录了它。2. 综述论文A survey on Korniamisc{riba2020survey, title{A survey on Kornia: an Open Source Differentiable Computer Vision Library for PyTorch}, author{E. Riba and D. Mishkin and J. Shi and D. Ponsa and F. Moreno-Noguer and G. Bradski}, year{2020}, eprint{2009.10521}, archivePrefix{arXiv}, primaryClass{cs.CV} }推荐场景当你的工作依赖 Kornia 的多个子模块增强、几何、特征等或希望给读者一个覆盖更全面的方法依据时可优先引用综述。字段解读misc是杂项类型适合预印本eprintarchivePrefix{arXiv}primaryClass{cs.CV}三件套是标准 arXiv 预印本写法分别表示 arXiv 编号、归档前缀与主分类计算机视觉 cs.CV。注意该条目作者列表中多了 J. Shi 与 F. Moreno-Noguer与主论文的作者阵容不同使用时按条目原样引用即可。3. 可微数据增强Differentiable Data Augmentation with Korniamisc{shi2020differentiable, title{Differentiable Data Augmentation with Kornia}, author{Jian Shi and Edgar Riba and Dmytro Mishkin and Francesc Moreno and Anguelos Nicolaou}, year{2020}, eprint{2011.09832}, archivePrefix{arXiv}, primaryClass{cs.CV} }推荐场景当你的研究核心是在训练/推理流程中使用可微数据增强例如把增强算子嵌入网络、做端到端联合优化时引用这一条最贴切。实现对应Kornia 的增强能力集中在kornia.augmentation包含 2D/3D 几何与强度变换、Mix 类增强、AutoAugment/RandAugment/TrivialAugment 自动策略等。仓库还收录了相关的算法文献见下文文献库一节例如 mixup、CutMix、Patch AutoAugment、Planckian jitter 等均可在 docs/source/references.bib 中查到对应条目可作为论文 Related Work 的补充引用来源。4. 前身项目torchgeometry: when PyTorch meets geometrymisc{Arraiy2018, author {E. Riba, M. Fathollahi, W. Chaney, E. Rublee and G. Bradski}, title {torchgeometry: when PyTorch meets geometry}, booktitle {PyTorch Developer Conference}, year {2018}, url {https://drive.google.com/file/d/1xiao1Xj9WzjJ08YY_nYwsthE-wxfyfhG/view?uspsharing} }推荐场景当你的工作特别依赖 Kornia 的几何内核几何变换、相机模型、极几何、李群等即kornia.geometry时引用这条以追溯设计源头。字段解读该条目类型为misc但带有booktitle字段保留官方原文写法即可无需改动。如何把 BibTeX 用进你的论文在 LaTeX / Overleaf 中使用在项目根目录建立references.bib或refs.bib文件将上述 4 条或你需要的子集粘贴进去在正文需要处使用\cite{eriba2019kornia}等引用键后第一项即引用键如eriba2019kornia、riba2020survey在文末加入\bibliographystyle{...}与\bibliography{references}选择你所在期刊/会议要求的样式如plain、ieeetran、acm等即可。在 Jupyter Notebook / Markdown / README 中使用Kornia 官方在 README.md 的 Cite 章节中就是直接把第一条 BibTeX 放在bibtex代码块里展示的你可以照搬同样的写法把 BibTeX 以代码块形式嵌入 README、教程或技术博客读者可直接复制。引用键冲突的规避BibTeX 以引用键citation key区分条目不同文献管理工具生成键的规则可能不同。若你的references.bib中已有同名键请手动改键例如把eriba2019kornia改为eriba2019kornia_wacv避免编译时报 Repeated entry 错误。仓库里的引用体系不止一份文件Kornia 仓库中的引用相关内容分布在多处理解它们之间的分工可以帮你在写作时找到最合适的素材文件作用CITATION.md本文主体官方推荐的 4 篇论文 4 条 BibTeX面向研究者直接复制README.md 的 Cite 章节入口提示 内嵌主论文 BibTeX引导读者前往 CITATION.mdREADME_zh-CN.md中文版 README同样提示在研究中引用 Kornia 论文docs/source/get-started/about.rst文档站 Citing Kornia 页面收录 3 条 BibTeX综述、主论文、torchgeometrydocs/source/community/bibliography.rstSphinx 生成的 Bibliography 页面.. bibliography::指令渲染 API 文档中引用的全部文献docs/source/references.bibSphinx 构建使用的 BibTeX 文献库其中文档站的引用渲染依赖 Sphinx 生态在 docs/source/conf.py 中启用了sphinxcontrib.bibtex扩展并通过bibtex_bibfiles [references.bib]指定文献库文件。也就是说API 文档中凡是标注了参考文献的地方最终都会链接到 bibliography 页面形成源码 docstring → references.bib → 渲染页面的引用链。文献库里的算法文献写作 Related Work 的素材docs/source/references.bib 收录了 Kornia 各模块所实现算法的原始文献覆盖范围与仓库源码模块一一对应例如局部特征与匹配ALIKED、DeDoDe、DISK、LoFTR、LightGlue、SOLD2、HardNet、HyNet、TFeat、Key.Net、AdaLAM、MAGSAC 等对应 kornia/feature 下的aliked、dedode、disk、loftr、lightglue、sold2等子包数据增强mixup、CutMix、AutoAugment、RandAugment、TrivialAugment、Patch AutoAugment、Planckian jitter、TorMentor 等对应 kornia/augmentation 的实现如_2d/mix/mixup.py、_2d/mix/cutmix.py、_2d/intensity/planckian_jitter.py滤波与图像处理Guided Image Filter、Fast Guided Filter、DexiNed 边缘检测等对应 kornia/filters损失函数Focal Loss、Tversky Loss、Hausdorff 距离等对应 kornia/losses几何五点法相对位姿、Generalized Differentiable RANSAC 等对应 kornia/geometry。写作时如果你在论文中使用了某个具体算子比如 LightGlue 做特征匹配除了引用 Kornia 主论文还可以从references.bib中找出对应算法的原始文献一并引用使方法依据更完整。引用时的注意事项按需引用不必四篇全引官方列出 4 篇是给出完整选项而非强制全引。一般论文引用主论文即可若涉及可微增强或几何内核再分别追加对应条目。版本差异提醒不同入口的条目存在细微差异例如 CITATION.md 中的综述条目使用misc并含 arXiv 信息eprint 2009.10521而 docs/source/get-started/about.rst 中的综述条目则使用inproceedings且不带头衔字段。复制时请以你实际使用的入口为准不要混拼。以仓库当前内容为准本指南所述条目与引用配置基于当前仓库快照__version__ 0.9.0rc1见 kornia/init.py。若仓库后续更新了 CITATION.md请以最新版本为准。遵守目标出版物规范不同期刊/会议对参考文献格式作者姓名缩写、arXiv 是否列出、URL 是否允许要求不同粘贴 BibTeX 后请按目标模板微调。小结引用是学术写作的基本礼仪也是 Kornia 这类开源研究库持续发展的动力。从 CITATION.md 出发你可以直接复制 4 条官方 BibTeX 条目主论文 / 综述 / 可微增强 / torchgeometry在 LaTeX、Overleaf、Jupyter 或 README 中按需使用需要更细粒度的方法依据时到 docs/source/references.bib 中按模块检索算法文献。记住官方在 README 中的那句话If you are using kornia in your research-related documents, it is recommended that you cite the paper.现在把\cite{eriba2019kornia}加进你的参考文献列表吧。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Sentence-Transformers 学术引用指南官方论文、BibTeX 与仓库功能对应关系Sentence Transformers 学术引用指南官方论文、BibTeX 与仓库功能对应关系 本指南面向在论文或产品中使用 sentence trans人工智能NLPEmbedding微调机器学习seaborn 论文引用指南官方 BibTeX 条目、JOSS 文献信息与 Logo 资源使用规范seaborn 论文引用指南官方 BibTeX 条目、JOSS 文献信息与 Logo 资源使用规范 seaborn 是构建于 matplotlib 之上的 P数据可视化数据分析重新定义英语学习从任务到生活方式的转变重新定义英语学习从任务到生活方式的转变 英语学习效率的提升从来不是靠增加学习时长而是改变我们与语言的关系。当我们把英语从需要完成的任务转变为自然融入人工智能机器学习AutoML深度学习数据科学创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考