面向实时立体匹配的广义几何编码体积
计算机视觉与模式识别
2025-12-09 v1
摘要
实时立体匹配方法主要致力于提升领域内性能，但常常忽视了实际应用中泛化能力的重要性。相比之下，近期的立体基础模型利用单目基础模型（MFM）来提升泛化能力，但通常会 suffer substantial inference latency。为解决这一权衡问题，我们提出了广义几何编码体积（GGEV），这是一种实现强泛化能力的新型实时立体匹配网络。我们首先提取深度感知特征，将编码域无关结构先验作为代价聚合的指导。随后，我们引入深度感知动态代价聚合（DDCA）模块，适应性地将这些先验纳入每个视差假设，从而有效增强不可见场景中脆弱的匹配关系。上述两个步骤轻量且互补，构建出具备强泛化能力的广义几何编码体积。实验结果表明，我们的GGEV在零样本泛化能力上超越了所有现有的实时方法，并在KITTI 2012、KITTI 2015和ETH3D基准测试中实现了最先进的性能。
引用
@article{arxiv.2512.06793,
title = {Generalized Geometry Encoding Volume for Real-time Stereo Matching},
author = {Jiaxin Liu and Gangwei Xu and Xianqi Wang and Chengliang Zhang and Xin Yang},
journal= {arXiv preprint arXiv:2512.06793},
year = {2025}
}
备注
Accepted by AAAI 2026