什么样的合成训练数据适合零样图立体匹配？
计算机视觉与模式识别
2026-03-02 v3
摘要
合成数据集是训练立体匹配网络的关键要素，但关于何种数据集才有效的问题仍鲜有探讨。我们通过变更程序化数据生成器的参数，探讨了合成数据集的设计空间，并报告了这些参数变化对零样图立体匹配性能所产生的影响。我们通过收集最佳设置并创建大规模数据集来验证我们的发现。在该数据集上训练仅能实现优于多个广泛使用数据集混合训练的性能，且与训练FoundationStereo数据集的性能相当，同时还拥有开源生成代码以及随附的参数分析，便于进一步研究。我们开源了系统，地址为 https://github.com/princeton-vl/InfinigenStereo，以便进一步研究程序化立体数据集。
引用
@article{arxiv.2504.16930,
title = {What Makes Good Synthetic Training Data for Zero-Shot Stereo Matching?},
author = {David Yan and Alexander Raistrick and Jia Deng},
journal= {arXiv preprint arXiv:2504.16930},
year = {2026}
}
备注
Accepted to CVPR 2026