silk

(★ 680)

SiLK (Simple Learned Keypoint) is a self-supervised deep learning keypoint model.

파일 탐색기

최종 버전 다운로드 (.zip)

- - .gitignore
- public-assets.txt
- colmap-import-matches
- generate-matches
- internal-pull-assets
- internal-push-assets
- linter
- public-pull-assets
- run_check_procedures
- run_colmap_examples
- run_tests
- silk-cli
- silk-features
- silk-matching
- silk-viz
- - HOMOGRAPHIC_SAMPLER.md
- - keypoints.png
  - matches.png
  - results-hpatches-dense.png
  - results-hpatches-sparse.png
  - results-imc.png
  - results-scannet-pcloud.png
  - results-scannet-pose.png
  - results-scannet.png
  - synthetic_shape_0.png
  - synthetic_shape_1.png
  - synthetic_shape_2.png
  - synthetic_shape_3.png
  - synthetic_shape_4.png
  - synthetic_shape_5.png
  - synthetic_shape_6.png
  - synthetic_shape_7.png
  - synthetic_shape_8.png
  - synthetic_shape_9.png
- - MAGICPOINT.md
  - SUPERPOINT.md
- - flow.html
  - flow_test.html
  - index.html
  - logger.html
  - profiler.html
- - backbone.md
  - colmap.md
  - dataset.md
  - evaluation.md
  - faq.md
  - inference.md
  - setup.md
  - torch_script.md
  - train.md
- .gitignore
- dev.yml
- - magicpoint.yaml
  - silk-loftr.yaml
  - silk-pvgg-1.yaml
  - silk-pvgg-2.yaml
  - silk-pvgg-3.yaml
  - silk-pvgg-4-pad-1.yaml
  - silk-pvgg-4.yaml
  - silk-pvgg-defaults.yaml
  - silk-pvgg-micro.yaml
  - silk-vgg-punet.yaml
  - silk-vgg.yaml
  - superpoint.yaml
- - defaults.yaml
  - json-compact.yaml
  - json.yaml
  - none.yaml
  - python.yaml
  - yaml.yaml
- - local.yaml
  - slurm.yaml
- - defaults.yaml
- - homography_estimation_accuracy.yaml
  - homography_estimation_auc.yaml
  - keypoint_avg_count.yaml
  - matched_keypoint_avg_count.yaml
  - mean_matching_accuracy.yaml
  - repeatability.yaml
- - benchmark-defaults.yaml
  - benchmark-magicpoint.yaml
  - cache-dataset-defaults.yaml
  - cache-dataset-homographically-adapted-coco-phase-1.yaml
  - cache-dataset-homographically-adapted-coco-phase-2.yaml
  - cache-dataset-homographically-adapted-coco.yaml
  - cache-dataset-hpatches-grey.yaml
  - cache-dataset-hpatches-rgb.yaml
  - check-defaults.yaml
  - check-homographic-adaptation.yaml
  - check-homographic-sampler.yaml
  - check-superpoint-parity.yaml
  - defaults.yaml
  - image-visualizer.yaml
  - run-hpatches-tests-cached-default.yaml
  - run-hpatches-tests-cached-disk.yaml
  - run-hpatches-tests-cached-loftr.yaml
  - run-hpatches-tests-cached-r2d2.yaml
  - run-hpatches-tests-default.yaml
  - run-hpatches-tests-sift.yaml
  - run-hpatches-tests-silk.yaml
  - run-hpatches-tests-superpoint.yaml
  - train-defaults.yaml
  - train-magicpoint.yaml
  - train-silk.yaml
  - train-superpoint-phase-1.yaml
  - train-superpoint-phase-2.yaml
  - train-superpoint.yaml
  - video-visualizer.yaml
- - frozen.yaml
  - magicpoint-frozen-best.yaml
  - magicpoint.yaml
  - sift.yaml
  - silk-default.yaml
  - silk-loftr-frozen-best.yaml
  - silk-loftr.yaml
  - silk-rand-homo.yaml
  - silk-vgg-frozen-best.yaml
  - silk-vgg.yaml
  - superpoint-frozen-magicleap-v1.yaml
  - superpoint-frozen-phase-1-best.yaml
  - superpoint-frozen-phase-2-best.yaml
  - superpoint.yaml
- - adam.yaml
  - defaults.yaml
  - sgd.yaml
- config.yaml
- URR
- - __init__.py
- - __init__.py
  - __main__.py
  - benchmark.py
  - cache_dataset.py
  - hpatches_tests.py
  - image_pair_visualization.py
  - inference.py
  - training.py
  - visualization.py
- - __init__.py
  - constants.py
  - core.py
  - formatter.py
  - formatter_test.py
  - hardware.py
  - model.py
  - optimizer.py
  - optimizer_test.py
  - paths.py
  - resolver.py
  - sampler.py
- - __init__.py
  - homography.py
  - homography_test.py
- - __init__.py
  - loader.py
  - loader_test.py
- - __init__.py
  - abstract.py
  - abstract_test.py
  - cached.py
  - cached_test.py
- - __init__.py
  - loop.py
- - __init__.py
  - superpoint.py
- - mnn.py
- - __init__.py
  - hpatches_metrics.py
  - hpatches_test.py
  - keypoint.py
  - keypoint_test.py
- - __init__.py
  - abstract.py
  - abstract_test.py
  - magicpoint.py
  - magicpoint_test.py
  - pointtracker.py
  - pointtracker_test.py
  - sift.py
  - silk.py
  - superpoint.py
  - superpoint_test.py
  - superpoint_utils.py
- - __init__.py
  - multiple.py
- - __init__.py
- - __init__.py
  - util.py
  - util_test.py
- - __init__.py
  - abstract.py
  - abstract_test.py
  - dataset.py
  - metric.py
  - tensor.py
  - tensor_test.py
- - __init__.py
  - cli.py
  - jax.py
- __init__.py
- flow.py
- flow_test.py
- logger.py
- profiler.py
- read_write_model.py
- viz-colmap.ipynb
- - scannet_split.py
- - common.py
  - run-on-hpatches-disk.py
  - run-on-hpatches-LoFTR.py
  - run-on-hpatches-r2d2.py
  - run-on-hpatches-template.py
- - common.py
  - silk-inference.py
  - silk-torch-script.py
- .gitignore
.gitignore
CHANGELOG.md
CODE_OF_CONDUCT.md
CONTRIBUTING.md
DEVELOP.md
gitmodules
LICENSE
Makefile
README.md
requirements.txt
setup.py
silk

# 설치 가이드

1. 코드 내려받기

git clone https://github.com/facebookresearch/silk

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd silk

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Python

쉬움 추천

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

pip install -r requirements.txt

requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.

jupyter notebook

브라우저에서 노트북(.ipynb) 파일들을 열람하고 실행할 수 있는 Jupyter 화면을 켭니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

3. Make

보통

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.

make

생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.

✅ 에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.

silk

파일 탐색기

# 설치 가이드

2. Python

3. Make

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

silk

파일 탐색기

# 설치 가이드

2. Python

3. Make

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README