Fast-FoundationStereo：实时零样本立体匹配
计算机视觉与模式识别
2026-03-18 v2 机器人学
摘要
立体基础模型实现了强大的零样本泛化能力，但对于实时应用而言其计算成本仍然过高。另一方面，高效的立体架构为了速度牺牲了鲁棒性，并需要昂贵的逐领域微调。为了弥合这一差距，我们提出了 Fast-FoundationStereo，这是一系列首次以实时帧率实现强大零样本泛化的架构。我们采用分治加速策略，包含三个部分：（1）知识蒸馏，将混合主干压缩为单一高效的学生模型；（2）分块神经架构搜索，在延迟预算下自动发现最优的代价滤波设计，将搜索复杂度呈指数级降低；（3）结构化剪枝，消除迭代细化模块中的冗余。此外，我们引入了一条自动伪标签流水线，用于整理 140 万张野外立体图像对，以补充合成训练数据并促进知识蒸馏。由此产生的模型运行速度比 FoundationStereo 快 10 倍以上，同时零样本精度与之接近，从而在实时方法中确立了新的 SOTA。项目页面：https://nvlabs.github.io/Fast-FoundationStereo/
引用
@article{arxiv.2512.11130,
title = {Fast-FoundationStereo: Real-Time Zero-Shot Stereo Matching},
author = {Bowen Wen and Shaurya Dewan and Stan Birchfield},
journal= {arXiv preprint arXiv:2512.11130},
year = {2026}
}