Kornia 五点本质矩阵求解器在旧版 PyTorch 的兼容性修复：多维 any/all 规约与 flatten 展平

【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

本文围绕 Kornia 仓库中 changelog.d/+migration-121.fixed.md 记录的缺陷修复展开：find_essential与run_5point在 PyTorch 2.2 之前会抛出TypeError: all() received an invalid combination of arguments，导致整套五点（5-point）本质矩阵求解器在声明的torch>=2.0支持下限上完全不可用。本文将深入剖析该错误的根因（Tensor.any(dim=(-2, -1))/Tensor.all(dim=(-1, -2))多维规约 API 的版本演进）、受影响的三处代码位置、修复策略及其"在所有版本上等价"的数学依据，并结合源码与测试验证修复后的实际形态，帮助读者理解如何在保持批量（batched）语义的前提下规避 PyTorch 版本差异。

背景：五点算法在 Kornia 中的位置

在双视图几何（two-view geometry）中，本质矩阵（Essential Matrix）编码了两台标定相机之间的相对旋转与平移。当只有 5 对对应点（而非 8 对）时，可以通过 Nister 五点算法求解，其核心思路是：由 5 对点构造齐次线性系统，取其零空间（4 维），再通过行列式约束与EEᵀ约束构造一元 10 次多项式，最终用伴随矩阵的特征值求根，得到最多 10 个候选本质矩阵。

Kornia 中该算法的入口是 kornia/geometry/epipolar/essential.py 中的find_essential与run_5point：

• find_essential(points1, points2, weights=None)是对外公开的高层 API，文档要求输入形状为(B, N, 2), N>=5，返回形状为(B, 10, 3, 3)的全部候选解；
• run_5point是其内部实现，先对输入做形状检查（KORNIA_CHECK_SHAPE(points1, ["B", "N", "2"])、N >= 5），再构建方程系统并调用null_to_Nister_solution求解。

该求解器并非孤立存在：在 kornia/geometry/ransac.py 中，find_essential被注册为 RANSAC 的minimal_solver（最小样本求解器），与sampson_epipolar_distance一起构成"五点最小样本 + 马氏/Sampson 距离打分"的鲁棒本质矩阵估计管线。因此，一旦五点求解器在低版本 PyTorch 上崩溃，RANSAC 的整个本质矩阵分支也会随之不可用——这正是该变更记录标注为"修复"而非"优化"的原因。

问题根因：多维规约any/all的版本演进

变更记录明确指出，错误的直接来源是调用形式：

Tensor.any(dim=(-2, -1)) Tensor.all(dim=(-1, -2))

也就是同时沿两个尾部维度做逻辑规约。问题在于：PyTorch 中torch.any与torch.all的dim参数支持元组（多维度规约）是在PyTorch 2.2才加入的。在此之前的版本（包括声明支持下限 2.0）中，dim只能接受单个整数，传入(-2, -1)这样的元组会直接触发参数校验失败，抛出：

TypeError: all() received an invalid combination of arguments

该错误信息来自 PyTorch 的 Python 绑定层——由于传入的参数组合不在重载签名之内，调度器直接拒绝调用，因此它不是数值问题，而是纯 API 兼容性问题：任何 PyTorch 2.0/2.1 用户运行五点求解器都会在进入 Nister 求解流程的第一步规约处立即崩溃。这正是"整个 five-point solver 在声明的torch>=2.0下限上不可用"的含义（变更记录原文 "the whole five-point solver was unusable on the declaredtorch>=2.0floor"）。

值得注意的是，当前仓库的 pyproject.toml 已将依赖提升为torch>=2.5.1、requires-python = ">=3.11"，但这并不削弱本修复的价值：它保证了代码在更早的 PyTorch 上依然可运行，也向后兼容了那些尚未升级 PyTorch 的既有用户。

受影响的三处代码位置

变更记录点名的三个位置，在 kornia/geometry/epipolar/essential.py 中均可逐一对应：

1. run_5point的候选解有效性检查：求解返回E（形状(B, 10, 3, 3)）后，代码需要判断哪些批次样本的 10 个候选全部为 NaN（视为求解失败），用于后续用单位矩阵替换：

   bad = torch.isnan(E).flatten(-2).all(-1).all(-1) # (B,)

   修复前这里是E.isnan().all(dim=(-1, -2))之类的写法，即对每个(B, 10, 3, 3)样本的最后两个维度3x3同时做all规约。

2. _solve_2x2_tikhonov_safe的非有限值兜底检查：该内部函数用 Tikhonov 正则化求解(..., 2, 2) @ x = (..., 2, 1)，对每个小系统检查解是否含 NaN/Inf：

   nonfinite = torch.isnan(x).flatten(-2).any(-1) | torch.isinf(x).flatten(-2).any(-1)

   修复前这里对最后两个维度直接使用Tensor.any(dim=(-2, -1))。

3. 脚本化的 Nister 辅助函数（_null_to_Nister_solution_script）中的消元结果检查：在构造A10 @ X = b_poly并调用torch.linalg.solve之后，需要检测奇异矩阵导致的 NaN/Inf：

   bad = torch.isnan(eliminated).flatten(-2).any(-1) | torch.isinf(eliminated).flatten(-2).any(-1) # (B,)

   这里同样是对(B, 10, 10)的最后两维做规约。

这三个位置覆盖了 Nister 求解管线的关键检查点：候选解生成后的质量标记、2x2 消元回代时的病态检测、10x10 消元后的奇异检测。任一处使用多维dim元组都会在 PyTorch < 2.2 上触发 TypeError，导致整条链路不可用。

修复策略：先 flatten 再规约，版本无关且数学等价

修复方式非常简洁：先把两个尾部维度展平（flatten）成一个维度，再在该维度上做单维规约：

# 修复前（PyTorch >= 2.2 才可用） bad = tensor.isnan().all(dim=(-1, -2)) # 修复后（所有版本可用） bad = tensor.isnan().flatten(-2).all(-1)

其等价性可以这样理解：对形状为(..., M, N)的张量，all(dim=(-1, -2))的结果等价于先展平(..., M*N)再all(dim=-1)——逻辑与（AND）运算满足结合律与交换律，沿多个轴顺序规约与一次性多维规约在结果上完全一致（NaN 的传播语义也一致，因为torch.isnan已经先把每个元素转成了布尔值）。同理，any（逻辑或）也满足同样的等价性。

从当前仓库源码可以验证，修复后的写法已经落地为统一的flatten(-2)+ 单维.any(-1)/.all(-1)风格（见上文三处代码片段）。这种模式在整个求解器中保持一致，例如run_5point中对E的检查（essential.py）、_solve_2x2_tikhonov_safe中 2x2 解的非有限检查（essential.py）以及脚本化辅助函数中消元结果的检查（essential.py）。

之所以必须逐点修复而不做全局替换，是因为这些代码运行在脚本化（scripted）的 Nister 辅助函数中（即_null_to_Nister_solution_script，它保持无 Python 分支、纯张量运算以兼容 TorchScript/JIT 编译），任何对 PyTorch 版本有依赖的 API 调用都可能破坏脚本化能力。flatten是一个历史悠久、全版本稳定支持的算子，用它替换多维规约既不影响脚本化，也不改变数值结果。

测试验证：修复后的行为由测试套件背书

修复的正确性由 tests/geometry/epipolar/test_essential.py 中的TestFindEssential测试类背书，覆盖了：

• 冒烟与形状测试：test_smoke（(1, 5, 2)输入，断言输出(1, 10, 3, 3)）、test_shape（参数化(B, N)组合）、test_shape_noweights（验证weights=None路径）；
• 数值正确性测试：test_epipolar_constraint用已知标定点对验证最小对称极线距离（symmetrical_epipolar_distance）收敛到 0；test_synthetic_sampson用 Sampson 距离验证最佳候选解误差为 0；
• 退化场景测试：test_degenerate_case验证输入点完全退化时仍保持输出形状（此时 NaN 检测分支、单位矩阵替换分支被触发）。

此外，test_shape参数化覆盖(1, 5)、(2, 6)、(3, 7)、(16, 5)等不同批量与点数，确保修复后的规约逻辑在批量语义下保持正确。这些测试共同确认：flatten(-2)替换后，五点求解器的输出形状与极线约束精度均未回归。

如何判断你的环境是否命中该缺陷

如果你在 PyTorch 2.0/2.1 上运行 Kornia 的本质矩阵估计，遇到如下报错，大概率就是本修复针对的问题：

TypeError: all() received an invalid combination of arguments

排查路径建议：

1. 确认 PyTorch 版本：python -c "import torch; print(torch.__version__)"，若版本 < 2.2 且报错栈指向kornia/geometry/epipolar/essential.py中的run_5point、_solve_2x2_tikhonov_safe或脚本化 Nister 辅助函数，即为该缺陷；
2. 触发路径包括直接调用kornia.geometry.epipolar.find_essential，以及间接调用——通过 kornia/geometry/ransac.py 中注册的minimal_solver = find_essential触发 RANSAC 本质矩阵估计；
3. 验证修复是否生效：升级到包含本修复的 Kornia 版本后，运行 tests/geometry/epipolar/test_essential.py 中的TestFindEssential，或直接执行一个最小复现（5 对随机点调用find_essential并断言输出形状为(1, 10, 3, 3)）。

修复之外的版本兼容性边界

本修复解决的是any/all多维规约的 API 兼容问题，但五点求解器还存在另一条版本相关的边界：它内部调用torch.linalg.eigvals求伴随矩阵特征值，而该算子没有 MPS（Apple Silicon）内核。这一点在 changelog.d/4455.fixed.md 与 changelog.d/+migration-024.added.md 中均有明确记录——SVD 类算子（svd、svdvals等）在 MPS 上可通过 kornia/core/utils.py 的_torch_svd_cast做 CPU 回退，但find_essential的run_5point仍会在任意批量下于 MPS 设备报错，因为torch.linalg.eigvals根本没有 MPS 内核可用。因此，本修复让五点求解器在CPU/GPU（CUDA）与旧版 PyTorch上可用，但 MPS 上的限制属于另一类问题，不在本变更范围内。

小结

+migration-121.fixed.md记录了一个典型的"API 演进带来的兼容性缺陷"修复案例：Kornia 的五点本质矩阵求解器在run_5point、_solve_2x2_tikhonov_safe与脚本化 Nister 辅助函数三处使用了 PyTorch 2.2 才支持的多维any/all规约，导致在声明支持的torch>=2.0上整套求解器不可用。修复通过"先flatten(-2)展平尾部两维、再做单维规约"的方式，在保持批量语义与 TorchScript 脚本化能力不变的前提下，让代码在所有 PyTorch 版本上行为等价。这一修复模式（用基础算子组合替代新版本 API）对任何需要维护多版本 PyTorch 兼容性的几何视觉库都具有直接的参考价值。

【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