MAFNet：用于实时立体匹配的多频自适应融合网络
计算机视觉与模式识别
2026-01-09 v2
摘要
现有的立体匹配网络通常依赖于基于三维卷积的代价体构建，或基于迭代优化的形变方法。前者在代价聚合过程中产生显著的计算开销，而后者往往缺乏建模非局部上下文信息的能力。这些方法在资源受限的移动设备上兼容性较差，限制了其在实时应用中的部署。为解决这一问题，我们提出了一种多频自适应融合网络（MAFNet），仅使用高效的二维卷积即可生成高质量的视差图。具体而言，我们设计了一种自适应频域滤波注意力模块，将完整代价体分解为高频和低频代价体，分别进行频域感知特征聚合。随后，我们引入基于 Linformer 的低秩注意力机制，自适应地融合高频和低频信息，从而获得更鲁棒的视差估计。大量实验表明，所提出的 MAFNet 在 Scene Flow 和 KITTI 2015 等公开数据集上显著优于现有的实时方法，在精度与实时性能之间取得了良好的平衡。
引用
@article{arxiv.2512.04358,
title = {MAFNet:Multi-frequency Adaptive Fusion Network for Real-time Stereo Matching},
author = {Ao Xu and Rujin Zhao and Xiong Xu and Boceng Huang and Yujia Jia and Hongfeng Long and Fuxuan Chen and Zilong Cao and Fangyuan Chen},
journal= {arXiv preprint arXiv:2512.04358},
year = {2026}
}