H-OmniStereo：基于 Heading-Aligned Normal Priors 的零样本全景立体匹配
计算机视觉与模式识别
2026-05-19 v2
摘要
针对全景立体匹配中顶底等距图的 stereo matching 提供了有效框架，因为垂直对齐的焦点线使得能够使用由大规模数据集和单目先验驱动的先进透视立体架构。然而，这种改编的性能严重受限于全景立体数据集的稀缺以及球面畸变下透视单目先验的退化。为此，我们提出 H-OmniStereo，一个零样本全景立体匹配框架。首先，我们构建由超过 280 万对顶底等距立体对组成的高质量合成数据集以规模化训练。其次，我们引入一种在 heading-aligned 坐标系中运行的等距单目法向估计器。除了为建立可靠的立体对应关系提供抗畸变且跨视图一致的几何先验外，该设计还提升了训练效率，容纳了 train-test FoV 不匹配。广泛实验表明，我们的方法在域外数据集上优于现有方法，并成功地使用单个模型推广到真实世界消费级相机设置。该模型和数据集将在 https://github.com/JIANG-CX/H-OmniStereo 上发布。
引用
@article{arxiv.2605.14963,
title = {H-OmniStereo: Zero-Shot Omnidirectional Stereo Matching with Heading-Aligned Normal Priors},
author = {Chenxing Jiang and Zhe Tong and Pusen Gao and Peize Liu and Yang Xu and Chuan Fang and Ping Tan and Shaojie Shen},
journal= {arXiv preprint arXiv:2605.14963},
year = {2026}
}
备注
8 pages, 9 figures