多日期卫星图像的交错立体配准
计算机视觉与模式识别
2026-02-02 v1
摘要
近期图像基卫星三维重建进展沿着两种互补的方向推进：一方面，多日期方法使用 NeRF 或高斯配色联合建模跨越多次获取的外观和几何，实现了对大量观测机会的准确重建；另一方面，经典的立体重建管道为同时或准同时获取的图像对提供了稳健且可扩展的结果。然而，当两幅图像相隔数月获取时，强烈的季节性、照明和阴影变化违反了标准立体假设，导致现有管道失效。本工作提出了面向卫星图像的交错立体配准方法，使从时间上相距较远的图像对实现可靠的三维重建成为可能。两种创新之处使得这一可能成为 reality：(1) 对最先进的深度立体网络进行微调，利用单目深度先验；(2) 暴露其于特定精选的数据集，包含多样化的交错图像对。具体而言，我们从在 SceneFlow 和 KITTI 等合成和真实数据集上预训练的 MonSter 模型开始，微调其在 DFC2019 遥感挑战赛中派生的立体对上。该数据集包含在多样化季节和照明条件下的同步立体对和交错立体对。针对多日期 WorldView-3 图像的实验表明，我们的方法在同步和交错设置下均显著优于经典管道和未适应的深度立体模型。对时间上多样化图像的微调，联合单目先验，对实现此前不兼容获取日期的三维重建至关重要。左图（冬季）右图（秋季） DSM 几何 Ours (1.23 m) Zero-shot (3.99 m) LiDAR GT 图 1. Omaha (OMA 331 测试场景)的一对冬-秋图像对的输出几何。我们的模型在面对交错性质且出现强烈外观变化的图像对时恢复准确的几何，现有零样本方法因此失败。因透视导致的缺失值以黑色显示；括号内为平均海拔误差；数值越小越好。
引用
@article{arxiv.2601.22808,
title = {Diachronic Stereo Matching for Multi-Date Satellite Imagery},
author = {Elías Masquil and Luca Savant Aira and Roger Marí and Thibaud Ehret and Pablo Musé and Gabriele Facciolo},
journal= {arXiv preprint arXiv:2601.22808},
year = {2026}
}