CogStereo：嵌入隐式空间认知的神经立体匹配
计算机视觉与模式识别
2025-10-28 v1
摘要
深度立体匹配通过 fine-tuning 在基准数据集上取得显著进展，但在其他视觉任务中所见的 zero-shot 泛化方面不足。我们引入 CogStereo，一种新框架，用于解决挑战性区域的问题，如遮挡或纹理弱的区域，且无需依赖数据集特定的先验。CogStereo 通过使用单目深度特征作为先验，将隐式空间认知嵌入到细化过程中，捕获超越局部对应关系的整体场景理解。这种方法确保即使在几何alone 难以提供足够信息的区域也能实现结构一致的视差估计。CogStereo 采用双条件细化机制，将像素级不确定性与认知导向特征相结合，用于一致的全局纠正错位。广泛的实验在 Scene Flow、KITTI、Middlebury、ETH3D、EuRoc 和 real-world 数据集上表明，CogStereo 不仅实现了 state-of-the-art 结果，而且在跨域泛化方面表现出色，推动了立体视觉向认知驱动方法的转变。
引用
@article{arxiv.2510.22119,
title = {CogStereo: Neural Stereo Matching with Implicit Spatial Cognition Embedding},
author = {Lihuang Fang and Xiao Hu and Yuchen Zou and Hong Zhang},
journal= {arXiv preprint arXiv:2510.22119},
year = {2025}
}
备注
9 pages, 6 figures