Stereo Matching Based on Visual Sensitive Information
Beijing University of Technology（北京工业大学）；University College Dublin（都柏林大学）；ADAPT SFI Research Centre（ADAPT科学基金会爱尔兰研究中心）；Beijing-Dublin International College（北京-都柏林国际学院）
计算机视觉是计算机视觉领域的研究热点之一，立体匹配是其中最重要的一个子领域。视差图转化为深度图后，可以应用到很多智能领域。本文利用来自Middlebury数据集的标准图像，提出了一种基于视觉敏感信息的立体匹配算法。针对传统立体匹配算法在代价窗口方面的局限性，提出了一种基于动态窗口的代价聚合算法，并利用左右一致性检测对视差图进行优化，进一步降低误匹配率。实验结果表明，该算法能有效地增强图像的立体匹配效果，与经典的普查算法相比，在精度上有明显的提高。所提出的模型代码、数据集和实验结果可在www.example.com上获得。
2021-05-23 cs.CV
Stereo Matching in Time: 100+ FPS Video Stereo Matching for Extended Reality
Tencent XR Vision Labs（腾讯XR视觉实验室）；Australian National University（澳大利亚国立大学）
针对扩展现实应用中低功耗设备实时高精度立体匹配的挑战，本文提出包含6-DoF运动室内场景的视频立体合成数据集，并开发基于时间维度迭代代价聚合特征重用的新型视频立体匹配框架，在台式机达134fps、HMD达30fps，精度优于现有SOTA。
2023-09-08 cs.CV
Modeling Stereo-Confidence Out of the End-to-End Stereo-Matching Network via Disparity Plane Sweep
KAIST（韩国科学技术院）；Hyundai Motor Company（现代汽车公司）
本文提出一种基于视差平面扫描的外部立体置信度方法，通过构建预测视差体并比较理想与预测视差分布量化匹配模糊度，实验证明其独立性能具竞争力且可稳定增强学习型方法。
2024-01-23 cs.CV
What Makes Good Synthetic Training Data for Zero-Shot Stereo Matching?
Princeton University（普林斯顿大学）
本文研究了合成数据集对零样本立体匹配性能的影响，通过参数调整和大规模数据集验证，发现其性能优于混合数据集并具有开源代码支持。
2026-02-27 cs.CV
Stereo Anything: Unifying Zero-shot Stereo Matching with Large-Scale Mixed Data
School of Computer Science, Wuhan University（武汉大学计算机科学学院）；Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Bologna（博洛尼亚大学）；Tsinghua University（清华大学）；Waytous Inc.（waytous公司）
本文提出StereoAnything框架，通过统一异构立体数据源进行大规模混合数据训练，显著提升了现有立体匹配模型的零样本泛化能力，在四个公开基准上达到最先进水平。
2025-09-17 cs.CV
CFDNet: A Generalizable Foggy Stereo Matching Network with Contrastive Feature Distillation
Tokyo Institute of Technology（东京工业大学）
针对雾天立体匹配难度高、单纯去雾反会损失深度线索的问题，提出基于对比特征蒸馏的CFDNet框架，平衡雾天深度线索与清洁匹配特征的依赖，提升跨场景泛化性，实验验证了其性能优势。
2024-02-29 cs.CV
Unsupervised Stereo Matching Network For VHR Remote Sensing Images Based On Error Prediction
Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）
针对遥感立体匹配监督数据集不足的问题，提出基于误差预测的VHR遥感影像无监督立体匹配网络，通过轻量化误差关联模块与鲁棒损失优化，在多数据集上实现优于现有无监督方法的精度与比监督模型更强的泛化能力。
2024-08-14 cs.CV
H-OmniStereo: Zero-Shot Omnidirectional Stereo Matching with Heading-Aligned Normal Priors
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）
本文提出H-OmniStereo框架，通过构建高质量合成数据集和引入方向对齐法线估计器，解决全方位立体匹配中数据稀缺和视角先验退化问题，实现更高精度和跨视角一致性。
2026-05-16 cs.CV
PlantStereo: A Stereo Matching Benchmark for Plant Surface Dense Reconstruction
Zhejiang University（浙江大学）
立体匹配是计算机视觉中的一项重要任务，几十年来一直受到人们的关注。而公共立体数据集在视差精度、密度和数据量等方面难以满足模型的要求。在本文中，我们的目标是解决数据集和模型之间的问题，并提出了一个大规模的立体数据集与高精度视差地面真相命名为PlantStereo。我们使用半自动的方式来构建数据集：经过摄像机校准和图像配准，可以从深度图像中获得高精度的视差图像。PlantStereo总共包含812个图像对，涵盖了各种植物：菠菜、番茄、辣椒和南瓜。我们首先评估了四种不同立体匹配方法的PlantStereo数据集。在不同模型和植物上进行的大量实验表明，与整数精度的地面真值相比，PlantStereo提供的高精度视差图像可以显著提高深度学习模型的训练效果。为实现植物表面密集化改造提供了一种可行可靠的方法。PlantStereo数据集和相关代码可在https://www.github.com/wangqingyu985/PlantStereo上获得
2021-11-30 cs.CV
Hierarchical Neural Architecture Search for Deep Stereo Matching
Faculty of Engineering, Monash University（莫纳什大学工程学院）；Australian National University（澳大利亚国立大学）；ACRV；Data61, CSIRO（数据61，澳大利亚联邦科学与工业研究组织）；Northwestern Polytechnical University（西北工业大学）；eResearch Centre, Monash University（莫纳什大学电子研究中心）；Airdoc Research Australia（Airdoc澳大利亚研究中心）
为了减少人工设计神经网络的工作量，神经结构搜索（NAS）已被应用于各种高层次的视觉任务，如分类和语义分割取得了显着的成功。NAS算法的基本思想是直接的，即，使网络能够在一组操作（例如，具有不同滤波器大小的卷积），能够找到更好地适应手头问题的最佳架构。然而，到目前为止，NAS的成功还没有享受到低层次的几何视觉任务，如立体匹配。这在一定程度上是由于人类设计的最先进的深度立体匹配网络已经非常庞大。基于当前可用的主流计算资源，将NAS直接应用于这样的大规模结构在计算上是禁止的。在本文中，我们提出了第一个端到端的分层NAS框架，通过将特定于任务的人类知识纳入神经架构搜索框架进行深度立体匹配。具体地，遵循用于深度立体匹配的黄金标准流水线（即，特征提取--特征体构造和密集匹配），我们共同优化整个流水线的架构。大量的实验表明，我们搜索的网络优于所有最先进的深度立体匹配架构，在KITTI立体2012，2015和Middlebury基准测试中排名前1，在SceneFlow数据集上排名前1，在网络大小和推理速度上有了实质性的改进。该代码可在https://github.com/XuelianCheng/LEAStereo上获得。
2020-10-26 cs.CV
Cascaded multi-scale and multi-dimension convolutional neural network for stereo matching
Peking University（北京大学）
卷积神经网络（CNN）已被证明比传统的立体声算法更好地执行立体声估计。许多努力集中在逐像素匹配成本计算上，这是许多最新算法的重要构建块。然而，这些架构仅限于小规模和单一规模的感受野，并使用传统的方法进行成本聚合，甚至忽略成本聚合。因此，我们将两者都考虑在内。首先，我们提出了一种新的多尺度匹配代价计算子网络，在该子网络中同时实现了两种不同大小的感受野。通过这种方式，网络可以充分利用这两种变体，并平衡感受野增加和细节损失之间的权衡。此外，我们表明，我们的多维聚合子网络，其中包含2D卷积和3D卷积运算可以提供丰富的上下文和语义信息，估计一个准确的初始视差。最后，具有挑战性的立体基准KITTI上的实验表明，该方法可以实现竞争力的结果，即使没有任何额外的后处理。
2018-04-17 cs.CV
Semi-synthesis: A fast way to produce effective datasets for stereo matching
SenseTime Research（商汤科技研究院）；Johns Hopkins University（约翰斯·霍普金斯大学）
立体匹配是计算机视觉中的一个重要问题，几十年来一直受到人们的关注。近年来，利用卷积神经网络（CNN）的数据驱动方法不断将立体匹配推向新的高度。然而，数据驱动的方法需要大量的训练数据，这是不容易的任务，真正的立体数据，由于注释的困难，每像素的地面实况视差。虽然合成数据集被提出来填补大数据需求的空白，但由于合成数据与真实数据之间的域差异，仍然需要对真实数据集进行微调。在本文中，我们发现，在合成数据集，接近真实场景的纹理渲染是一个关键因素，以提高立体匹配性能，而接近真实场景的三维建模是次要的。然后，我们提出了半合成，一个有效的和快速的方法来合成大量的数据与接近真实场景的纹理，以尽量减少之间的差距合成数据和真实数据。大量的实验表明，与我们提出的半合成数据集训练的模型实现了显着更好的性能比一般的合成数据集，特别是在真实数据基准有限的训练数据。通过对真实数据集的进一步微调，我们还在Middlebury上实现了SOTA性能，并在KITTI和ETH3D数据集上取得了竞争性结果。
2021-01-26 cs.CV
Lite Any Stereo V2: Faster and Stronger Efficient Zero-Shot Stereo Matching
Imperial College London（帝国理工学院）
提出Lite Any Stereo V2超快模型系列，通过2D代价聚合框架和三阶段训练策略（合成监督、自蒸馏、真实知识蒸馏）实现高效零样本立体匹配，在保持低延迟的同时达到最先进精度。
2026-06-24 cs.CV
Superpixel Cost Volume Excitation for Stereo Matching
School of Computer Science and Technology, Ocean University of China（中国海洋大学计算机科学与技术学院）
本文提出超像素代价体激励方法，通过超像素软约束增强立体匹配局部一致性，改善视差图边界精度并恢复代价体匹配网络的竞争性能。
2024-11-20 cs.CV
SR-Stereo & DAPE: Stepwise Regression and Pre-trained Edges for Practical Stereo Matching
School of Electronic and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
针对立体匹配跨域分布差异问题，提出逐步回归架构SR-Stereo控制输出范围并克服域差异，同时提出DAPE利用预训练边缘增强稀疏真实值下的边缘感知，实验证明两者在域内和跨域性能上表现优异。
2024-10-12 cs.CV
CFNet: Cascade and Fused Cost Volume for Robust Stereo Matching
Northwestern Polytechnical University（西北工业大学）；Peking University（北京大学）
近年来，大规模标注数据集的容量不断增加，使得立体匹配技术取得了长足的进步。然而，大多数成功都局限于特定的数据集，不能很好地推广到其他数据集。目前的深度立体匹配模型存在的主要困难是区域差异大，视差分布不均衡，这极大地限制了深度立体匹配模型的实际应用。在本文中，我们提出CFNet，级联和融合的成本体积为基础的网络，以提高立体匹配网络的鲁棒性。首先，我们提出了一种融合的成本体积表示来处理大的域差异。通过融合多个低分辨率密集代价体来扩大感受野，我们可以提取鲁棒的结构表示用于初始视差估计。其次，我们提出了一个级联的成本体积表示，以减轻不平衡的视差分布。具体来说，我们采用基于方差的不确定性估计来自适应地调整下一阶段的视差搜索空间，以这种方式驱动网络逐步修剪出不可能对应的空间。通过迭代地缩小视差搜索空间并提高成本体积分辨率，视差估计以由粗到细的方式逐渐细化。当在相同的训练图像上进行训练并使用固定的模型参数和超参数在KITTI，ETH3D和Middlebury数据集上进行评估时，我们提出的方法实现了最先进的整体性能，并在Robust Vision Challenge 2020的立体任务中获得第一名。该代码将在https://github.com/gallenszl/CFNet上提供。
2021-04-09 cs.CV
An evaluation of Deep Learning based stereo dense matching dataset shift from aerial images and a large scale stereo dataset
Univ Gustave Eiffel（古斯塔夫·埃菲尔大学）；ENSG（法国地理学校）；IGN（法国国家地理学会）；LASTIG（地理信息科学与技术实验室）
本文针对航空影像密集匹配中真值视差图难以获取的问题，提出利用LiDAR与图像直接生成大规模多样化数据集的方法，并通过评估11种深度学习方法研究数据集偏移影响，给出有限数据下的最佳训练策略。
2024-02-19 cs.CV
Mono2Stereo: Monocular Knowledge Transfer for Enhanced Stereo Matching
Beijing Institute of Technology（北京理工大学）
本文提出Mono2Stereo方法，通过两阶段训练（合成数据预训练和真实数据微调）将单目深度知识迁移至立体匹配，设计了数据生成流水线与S2DKD策略，显著提升了模型的零样本泛化能力和领域内性能。
2024-11-14 cs.CV
UWStereo: A Large Synthetic Dataset for Underwater Stereo Matching
Ocean University of China（中国海洋大学）；University of Southampton（南安普顿大学）；University of Glasgow（格拉斯哥大学）
本文提出大型合成水下立体匹配数据集UWStereo，包含29,568对带精确视差标注的图像，并通过跨域掩码重建与跨视图注意力增强策略提升模型泛化能力。
2024-09-03 cs.CV
AquaStereo: Enabling Underwater Stereo Matching via Depth-Conditioned Diffusion and Geometry Self-Distillation
Beijing Institute of Technology（北京理工大学）；University of Amsterdam（阿姆斯特丹大学）
针对水下立体匹配中数据稀缺和特征退化问题，提出AquaStereo框架。用深度条件扩散渲染水下立体对，结合自蒸馏策略，提升水下立体匹配的鲁棒性和零样本泛化能力。
2026-07-07 cs.CV
End-to-End Learning of Multi-scale Convolutional Neural Network for Stereo Matching
Peking University（北京大学）
深度神经网络在立体匹配任务中表现出了优异的性能。最近，基于CNN的方法已经表明，立体匹配可以被公式化为一个监督学习任务。然而，很少有人关注的上下文语义信息和细节的融合。为了解决这个问题，我们提出了一种基于丰富的上下文细节和语义信息的视差估计网络，称为多尺度特征网络（MSFNet）。首先，我们设计了一种新的结构，通过融合多尺度特征来编码丰富的语义信息和细粒度的细节。结合了逐元素添加和拼接的优点，有利于语义信息和细节信息的融合。其次，引入了一种引导机制，引导网络自动将更多的注意力集中在不可靠的区域。第三，我们制定了一致性检查作为一个错误的地图，获得的低阶段功能与细粒度的细节。最后，我们采用左特征和合成左特征之间的一致性检查来细化初始视差。在场景流和KITTI 2015基准测试上的实验表明，该方法可以达到最佳的性能。
2019-06-25 cs.CV
AANet: Adaptive Aggregation Network for Efficient Stereo Matching
University of Science and Technology of China（中国科学技术大学）
尽管基于学习的立体匹配算法取得了显着的进步，一个关键的挑战仍然没有解决。当前最先进的立体模型大多基于昂贵的3D卷积，立方计算复杂性和高存储器消耗使得在现实世界的应用中部署它相当昂贵。在本文中，我们的目标是完全取代常用的3D卷积，以实现快速的推理速度，同时保持相当的准确性。为此，我们首先提出了一种基于稀疏点的尺度内成本聚合方法，以减轻众所周知的边缘肥胖问题在视差不连续。此外，我们近似传统的跨尺度成本聚合算法与神经网络层处理大的无纹理区域。这两个模块都是简单的，轻量级的，互补的，导致一个有效的和高效的架构成本汇总。有了这两个模块，我们不仅可以显著加快现有的高性能模型（例如，$41\times$比GC-Net，$4\times$比PSMNet和$38\times$比GA-Net），而且还提高了快速立体声模型的性能（例如，StereoNet）。我们还取得了竞争力的结果，场景流和KITTI数据集，同时运行在62毫秒，证明了所提出的方法的通用性和高效率。我们的完整框架可以在https://github.com/haofeixu/aanet上找到。
2020-04-20 cs.CV
3D Hand Pose Tracking and Estimation Using Stereo Matching
City University of Hong Kong（香港城市大学）；Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
三维手势跟踪/估计将在下一代人机交互中发挥重要作用。目前可用的大多数算法依赖于低成本的有源深度传感器。然而，这些传感器可能容易受到其他有源源的干扰，并且需要相对较高的功耗。因此，它们目前不适合户外环境和移动设备。本文的目的是跟踪/估计手的姿势，使用被动立体声，避免了这些限制。因此，提出了具有从不同场景捕获的18，000个立体图像对和18，000个深度图像以及手掌和手指关节的地面真实3D位置（从手动标签获得）的基准。本文表明，最先进的跟踪/估计算法的性能可以保持与大多数立体匹配算法的建议基准，只要手分割是正确的。因此，一种新的基于立体的手分割算法，专门设计的手跟踪/估计。定量评估表明，该算法是适合于国家的最先进的手姿态跟踪/估计算法和跟踪质量是可比的主动深度传感器在不同的挑战性的情况下使用。
2016-10-23 cs.CV
WHU-Stereo: A Challenging Benchmark for Stereo Matching of High-Resolution Satellite Images
Wuhan University（武汉大学）；China University of Geosciences（中国地质大学）
针对卫星影像立体匹配数据集稀缺的问题，本文构建了基于GF-7卫星影像与机载LiDAR的WHU-Stereo数据集，含1700余对多地貌校正影像，精度达现有先进水平，验证了其作为高难度基准的价值。
2022-06-06 cs.AI cs.CV
Geometry-Aware Unsupervised Domain Adaptation for Stereo Matching
SenseTime Japan Ltd.（商汤科技日本有限公司）
最近提出的基于DNN的立体匹配方法，直接从数据中学习先验知识，已知在新环境中准确度会急剧下降。虽然使用地面实况视差图的监督方法通常工作得很好，但在每个部署环境中收集它们是繁琐和昂贵的。为此，已经提出了许多基于图像到图像平移的无监督领域自适应方法，但是这些方法不保留立体图像对的几何结构，因为图像到图像平移被单独地应用于每个视图。为了解决这个问题，在本文中，我们提出了一个注意力机制，聚合功能的左，右视图，立体交叉注意力（SCA）。将SCA转化为图像-图像转换网络，可以在图像-图像转换过程中保持立体图像对的几何结构。我们实证证明了所提出的无监督领域自适应的图像到图像的翻译SCA的基础上的有效性。
2021-03-26 cs.CV cs.LG
CMD: Constraining Multimodal Distribution for Domain Adaptation in Stereo Matching
RAL, Baidu Research（百度研究院）；ICT, Chinese Academy of Science（中国科学院信息科技研究所）；Nanchang Hangkong University（南昌航空大学）；Zhejiang University（浙江大学）；Northwestern Polytechnical University（西北工业大学）
针对无监督域适应中多模态视差分布导致泛化下降的问题，提出CMD方法，通过引入不确定性正则化最小化和各向异性soft argmin促使网络生成单模态分布，有效提升了立体匹配模型的泛化能力。
2025-04-30 cs.CV cs.RO
STEREOFLOW: Progressive Stereo Matching with StereoDiT and Transition Flow Matching
School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）；University of California, Berkeley（加州大学伯克利分校）；University of Southern California（南加州大学）；Google（谷歌公司）；State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室）；Tencent（腾讯公司）；GigaAI（极佳科技）
研究针对立体匹配问题，提出先验引导的生成框架StereoFlow，通过两阶段渐进级联匹配网络、像素扩散变压器StereoDiT和过渡流匹配实现高效优化，在多基准测试中取得多个最新结果，提升了立体匹配效果。
2026-07-23 cs.CV
RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching
Princeton University（普林斯顿大学）
介绍了一种基于光流网络RAFT的新的立体校正深度架构RAFT-Stereo。我们引入了多级卷积GRU，它可以更有效地在图像中传播信息。RAFT-Stereo的修改版本可以执行精确的实时推理。RAFT-stereo在Middlebury排行榜上排名第一，在1 px误差上优于第二好的方法29%，并且优于ETH 3D双视图立体基准的所有已发表工作。代码可在https://github.com/princeton-vl/RAFT-Stereo上获得。
2021-09-15 cs.CV
3D LiDAR and Stereo Fusion using Stereo Matching Network with Conditional Cost Volume Normalization
主动和被动深度感测技术的互补特性促使Li-DAR传感器和立体相机的融合以改善深度感知。我们没有直接融合LiDAR和立体模式的估计深度，而是利用立体匹配网络的两种增强技术：LiDAR信息的输入融合和条件成本体积归一化（CCVNorm）。所提出的框架是通用的，并与通常用于立体匹配神经网络的成本体积组件紧密集成。我们通过实验验证了我们的方法在KITTI立体和深度完成数据集上的有效性和鲁棒性，获得了对各种融合策略的良好性能。此外，我们证明，与层次扩展的CCVNorm，所提出的方法只带来轻微的开销的立体匹配网络的计算时间和模型大小。有关项目页面，请参见https://zswang666.github.io/Stereo-LiDAR-CCVNorm-Project-Page/
2019-04-05 cs.CV
A novel stereo matching pipeline with robustness and unfixed disparity search range
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；University of Chinese Academy of Sciences（中国科学院大学）
立体匹配是各种应用的重要基础，但大多数立体匹配方法泛化性能差，需要固定的视差搜索范围。此外，目前的立体匹配方法主要集中在只有正视差的场景，而忽略了同时包含正视差和负视差的场景，如3D电影。在本文中，我们提出了一种新的立体匹配流水线，首先计算半密集视差图的基础上双目视差，然后完成休息取决于单目线索。新的立体匹配流水线具有以下优点：1）比现有的大多数立体匹配方法具有更好的泛化性能; 2）放宽了固定视差搜索范围的限制; 3）可以处理包含正视差和负视差的场景，具有更大的应用潜力，如3D多媒体和VR/AR中的视图合成。实验结果表明，我们的新的立体匹配流水线的有效性。
2022-05-10 cs.CV
StereoGAN: Bridging Synthetic-to-Real Domain Gap by Joint Optimization of Domain Translation and Stereo Matching
Chinese University of Hong Kong（香港中文大学）；SenseTime Research（商汤科技研究院）
大规模的合成数据集有利于立体匹配，但通常会引入已知的域偏差。虽然以CycleGAN为代表的无监督图像到图像翻译网络在处理域间隙方面表现出巨大的潜力，但由于翻译后的像素失真和立体匹配问题，将该方法推广到立体匹配并非易事。在本文中，我们提出了一个端到端的训练框架与域翻译和立体匹配网络来应对这一挑战。首先，在我们的端到端框架中，域转换和立体匹配网络之间的联合优化使前者最大限度地促进后者。其次，该框架引入了两种新的损失，即，双向多尺度特征重投影损失和相关性一致性损失，以帮助将所有合成立体图像转换为真实图像，并保持极线约束。上述两个贡献的有效结合导致令人印象深刻的立体一致的翻译和视差估计精度。此外，增加了模式搜索正则化项，以赋予合成到真实的翻译结果更高的细粒度多样性。大量的实验表明，所提出的框架的有效性，立体匹配的桥梁合成到真正的领域差距。
2020-05-05 cs.CV
Obtaining Depth Maps From Color Images By Region Based Stereo Matching Algorithms
本文提出了一种基于区域的立体匹配算法，用于从双色立体图像对中提取深度信息。为了提高视差图的可靠性，采用了一种消除不可靠视差估计的滤波器。通过算法得到的结果表示和比较。
2009-02-03 cs.CV
Stereo Matching with Cost Volume based Sparse Disparity Propagation
College of Big Data and Internet, Shenzhen Technology University（深圳技术大学大数据与互联网学院）；College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）
立体匹配是双目立体视觉的关键技术。现有的方法主要集中在简单的视差图融合，以提高立体匹配，这需要多个密集或稀疏的视差图。在本文中，我们提出了一个简单而新颖的计划，称为特征视差传播，以改善一般的立体匹配匹配的基础上匹配成本量和稀疏匹配特征点。具体来说，我们的计划首先计算一个可靠的稀疏视差图的局部特征匹配，然后细化视差图传播可靠的视差到匹配成本域中的相邻像素。此外，考虑到局部视差区域的梯度和多尺度信息，本文在著名的AD-Census的基础上提出了一种$ρ$ -Census代价度量，该代价度量在不进行代价聚合的情况下也能保证代价量的鲁棒性.在Middlebury立体声基准测试V3上进行的大量实验表明，我们的方案与最先进的方法相比具有良好的性能。
2022-01-28 cs.CV
WAFT-Stereo: Warping-Alone Field Transforms for Stereo Matching
Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）
WAFT-Stereo通过仅使用变形场替代传统代价体，实现了高效的立体匹配，在多个数据集上取得最佳性能，速度提升显著。
2026-07-01 cs.CV
Detecting Ground Control Points via Convolutional Neural Network for Stereo Matching
Xiamen University（厦门大学）
本文提出了一种新的方法来检测地面控制点（GCPs）的立体匹配问题。首先，我们训练一个卷积神经网络（CNN）在一个大的立体集，并通过使用训练的CNN模型计算每个像素的匹配置信度。其次，提出了一种基于最大匹配置信度的地面控制点选取方法。最后，我们使用选定的GCPs来细化匹配成本，并应用新的匹配成本进行半全局匹配算法的优化，以改善最终的视差图。我们在KITTI 2012立体基准数据集上评估了我们的方法。实验结果表明，该方法显著提高了视差图的精度。
2016-05-08 cs.CV
MaDis-Stereo: Enhanced Stereo Matching via Distilled Masked Image Modeling
Ewha W. University（梨花女子大学）
本文提出 MaDis-Stereo，利用 MIM 联合重建与深度预测，并通过 EMA 教师伪标签蒸馏稳定训练，从而增强 Transformer 立体模型的局部归纳偏置，在 ETH3D、KITTI 2015 上达到 SOTA。
2024-09-04 cs.CV
DEFOM-Stereo: Depth Foundation Model Based Stereo Matching
Insta360 Research（Insta360研究院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
DEFOM-Stereo将单目深度基础模型融入循环立体匹配框架，通过特征整合与尺度更新提升视差估计，在多个基准上取得顶尖性能，并展现出强零样本泛化能力。
2025-04-23 cs.CV
A Learning-based Framework for Hybrid Depth-from-Defocus and Stereo Matching
ShanghaiTech University（上海科技大学）；University of Delaware（特拉华大学）
散焦测距（DfD）和立体匹配是两种研究最多的无源深度传感方案。这些技术基本上是互补的：DfD可以鲁棒地处理重复的纹理，这对于立体匹配是有问题的，而立体匹配对散焦模糊不敏感，并且可以处理大的深度范围。在本文中，我们提出了一个统一的基于学习的技术进行混合DfD和立体匹配。我们的输入是图像三元组：一个立体对和一个立体视图的散焦图像。我们首先应用深度引导光场渲染来构建这种混合传感设置的综合训练数据集。接下来，我们采用沙漏网络架构，分别从DfD和立体声进行深度推理。最后，我们利用两个独立的网络之间的不同连接方法，将它们集成到一个统一的解决方案中，以产生高保真的3D视差图。对真实数据和合成数据的综合实验表明，我们新的基于学习的混合三维传感技术可以显着提高三维重建的精度和鲁棒性。
2018-08-06 cs.CV
URS-Stereo: Uncertainty-Guided Residual Search for Real-Time Stereo Matching
本文针对实时立体匹配中前阶段视差估计不准确导致后续匹配失败的问题，提出URS-Stereo框架，通过不确定性引导残差搜索模块，动态调整搜索区域，提高局部对应估计稳健性，保持实时推理速度，提升视差估计效果。
2026-07-09 cs.CV
Stereo Anywhere: Robust Zero-Shot Deep Stereo Matching Even Where Either Stereo or Mono Fail
Advanced Research Center on Electronic System (ARCES)（电子系统高级研究中心）；Department of Computer Science and Engineering (DISI)（计算机科学与工程系）；University of Bologna（博洛尼亚大学）
本文提出 Stereo Anywhere 框架，通过双分支架构将立体几何约束与单目深度视觉基础模型的先验相融合，并引入新型成本体积融合机制，仅用合成数据训练即在零样本立体匹配中取得最先进结果，对无纹理、遮挡、镜面和透明等困难场景表现鲁棒。
2025-05-07 cs.CV
Match-Stereo-Videos: Bidirectional Alignment for Consistent Dynamic Stereo Matching
Imperial College London（帝国理工学院）
针对动态立体视频匹配中的时间不一致问题，提出双向对齐机制和BiDAStereo框架，通过局部三帧匹配与全局运动传播聚合，实现一致且高质量的视差估计，并在多个基准上达到最优性能。
2024-03-16 cs.CV
A Comparison of Stereo-Matching Cost between Convolutional Neural Network and Census for Satellite Images
The Ohio State University（俄亥俄州立大学）
立体密集图像匹配根据其匹配代价度量可分为基于底层特征的匹配和基于深层特征的匹配。Census是一种有效的基于底层特征的匹配方法，而快速卷积神经网络（fst-CNN）作为一种基于深层特征的匹配方法，具有计算时间短、对卫星图像鲁棒性强等优点。因此，fst-CNN和普查之间的比较对于立体密集图像匹配的进一步研究至关重要。利用fst-CNN的代价函数和census进行立体匹配，然后利用半全局匹配方法获得最优视差图像。这些图像用于产生数字表面模型以与地面实况点进行比较。它解决了fstCNN在绝对匹配精度，误差分布直方图和匹配完整性方面的表现优于census，但这两种算法仍然表现在同一数量级。
2019-05-22 cs.CV
A Decomposition Model for Stereo Matching
Beijing Institute of Technology（北京理工大学）
在本文中，我们提出了一个立体匹配的分解模型，以解决计算成本（时间和内存成本）的过度增长的问题，随着分辨率的增加。为了减少在原始分辨率下进行立体匹配的巨大成本，我们的模型只在很低的分辨率下运行密集匹配，并在不同的更高分辨率下使用稀疏匹配来逐尺度地恢复丢失细节的视差。立体匹配分解后，我们的模型迭代地融合稀疏和密集的视差图从相邻的尺度与闭塞感知的面具。一个细化网络也被用来改善融合结果。与PSMNet和GANet等高性能方法相比，我们的方法实现了$10-100\times$速度的提高，同时获得了相当的视差估计结果。
2021-04-15 cs.CV
Revisiting Domain Generalized Stereo Matching Networks from a Feature Consistency Perspective
Beihang University（北京航空航天大学）；RIKEN AIP（理化学研究所先进智能项目中心）；The University of Tokyo（东京大学）；Griffith University（格里菲斯大学）；University of York（约克大学）
尽管最近的立体匹配网络在给定足够的训练数据的情况下实现了令人印象深刻的性能，但是它们遭受域移位并且难以推广到看不见的域。我们认为，保持匹配像素之间的特征一致性是促进立体匹配网络泛化能力的一个重要因素，这一点尚未得到充分考虑。在这里，我们解决这个问题，提出了一个简单的像素明智的对比学习的观点。立体对比特征损失函数明确地约束作为相同3D点的观测的匹配像素对的学习特征之间的一致性。进一步引入立体选择性白化损失以更好地保持立体特征跨域的一致性，其将立体特征与立体视点特定样式信息去相关。与直觉相反，同一场景中的两个视点之间的特征一致性的概括转化为立体匹配性能到看不见的域的概括。我们的方法本质上是通用的，因为它可以很容易地嵌入到现有的立体声网络中，并且不需要访问目标域中的样本。当在合成数据上训练并推广到四个真实世界的测试集时，我们的方法在几个最先进的网络上实现了卓越的性能。
2022-03-21 cs.CV
MC-Stereo: Multi-peak Lookup and Cascade Search Range for Stereo Matching
SenseTime Research（商汤科技研究院）；Rutgers University（罗格斯大学）；School of EIC, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）；Google Research（谷歌研究院）；Academy of Military Sciences, Beijing, China（中国人民解放军军事科学院）
针对立体匹配迭代框架的单峰查找难处理多峰问题、固定搜索范围限制收敛的缺陷，提出MC-Stereo架构，结合多峰查找、级联搜索范围与预训练特征提取器，在多个基准上取得最优性能。
2024-01-27 cs.CV
Stereo Any Video: Temporally Consistent Stereo Matching
Imperial College London（伦敦帝国学院）
本文提出视频立体匹配框架 Stereo Any Video，融合单目视频深度先验、全对全对相关性和时间凸上采样，在不依赖相机位姿或光流的情况下实现空间准确且时间一致的视差估计，并在零样本多数据集上取得最先进性能。
2025-07-21 cs.CV
Binary Stereo Matching
Tsinghua University（清华大学）
在本文中，我们提出了一种新的基于二进制的成本计算和聚合方法的立体匹配问题。成本量是通过对一系列二进制字符串进行按位运算来构造的。然后将该方法与传统的赢者通吃策略相结合，提出了一种新的局部立体匹配算法--二值立体匹配（BSM）。由于BSM的核心算法是基于二进制和整数计算的，因此它比以往的方法具有更高的计算效率。在Middlebury基准上的实验结果表明，BSM在质量和速度方面与最先进的局部立体声方法具有相当的性能。此外，辐射差异的图像上的实验表明，BSM是更强大的比以前的方法在这些变化下，这是常见的真实光照。
2014-02-10 cs.CV
MoCha-Stereo: Motif Channel Attention Network for Stereo Matching
College of Software, Northwest Polytechnical University（西北工业大学软件学院）
针对现有立体匹配方法易丢失几何结构信息导致边缘细节失配的问题，提出MoCha-Stereo网络，通过MCCV和REMP模块优化视差估计，在KITTI相关基准上排名第一且在多视图立体匹配中表现优异。
2025-03-24 cs.CV
Iterative Geometry Encoding Volume for Stereo Matching
Huazhong University of Science and Technology（华中科技大学）
递归全对场变换（RAFT）在匹配任务中显示出巨大的潜力。然而，所有对相关性缺乏非局部几何知识，并且难以解决不适定区域中的局部模糊性。在本文中，我们提出了迭代几何编码体（IGEV-Stereo），这是一种新的立体匹配深度网络架构。建议IGEV-Stereo建立一个组合的几何编码体积，编码的几何和上下文信息以及本地匹配的细节，并迭代索引它更新视差图。为了加快收敛速度，我们利用GEV来回归ConvGRUs迭代的准确起点。我们的IGEV-Stereo将$1^{st}$在KITTI 2015和2012（反射）上列为所有已发布方法中最快的，并且是前10名方法中最快的。此外，IGEV-Stereo具有很强的跨数据集泛化能力和很高的推理效率。我们还扩展了我们的IGEV多视图立体视觉（MVS），即IGEV-MVS，它达到了竞争力的精度DTU基准。代码可在https://github.com/gangweiX/IGEV上获得。
2023-03-14 cs.CV
Selective-Stereo: Adaptive Frequency Information Selection for Stereo Matching
Huazhong University of Science and Technology（华中科技大学）
针对迭代立体匹配难以兼顾边缘高频与平滑区域低频信息的问题，提出 SRU 与 CSA 自适应融合多频率隐式视差，Selective-Stereo 在四个权威基准均位列已发表方法第一。
2024-03-01 cs.CV
Iterative Volume Fusion for Asymmetric Stereo Matching
Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）；Research and Development Center, Sony (China) Ltd（索尼（中国）有限公司研发中心）
针对非对称多相机系统破坏立体匹配中成本体积计算的问题，提出两阶段迭代体积融合网络IVF-AStereo，通过融合拼接体积与相关性体积增强细节，在分辨率和颜色退化场景下表现稳健。
2025-08-14 cs.CV
Object-Centric Stereo Matching for 3D Object Detection
University of Toronto（多伦多大学）
安全的自动驾驶需要可靠的3D目标检测-确定感兴趣对象的6自由度姿态和尺寸。使用立体摄像机来解决这一任务是广泛使用的LiDAR传感器的一种具有成本效益的替代方案。立体3D目标检测的当前技术水平采用现有的PSMNet立体匹配网络，没有修改，并将估计的视差转换为3D点云，并将该点云馈送到基于LiDAR的3D目标检测器中。现有的立体匹配网络的问题在于，它们被设计用于视差估计，而不是3D目标检测;对象点云的形状和精度不是焦点。立体匹配网络通常在对象边界处遭受不准确的深度估计，我们将其定义为条纹，因为背景和前景点是联合估计的。现有的网络也惩罚视差，而不是在其损失函数中的对象点云的估计位置。我们提出了一种新的2D框关联和以对象为中心的立体匹配方法，只估计感兴趣的对象的差异，以解决这两个问题。我们的方法在KITTI 3D和BEV基准测试中获得了最先进的结果。
2020-03-10 cs.CV
Lite Any Stereo: Efficient Zero-Shot Stereo Matching
Imperial College London（伦敦帝国学院）
本文提出Lite Any Stereo框架，通过紧凑且表达能力强的主干网络和混合成本聚合模块，实现高效零样本立体匹配，达到四个广泛使用的现实基准的第一名。
2026-04-15 cs.CV
Unsupervised Cross-spectral Stereo Matching by Learning to Synthesize
Beihang University（北京航空航天大学）；SenseTime Research（商汤科技研究院）；The Chinese University of Hong Kong（香港中文大学）
无监督互谱立体匹配的目的是恢复给定的互谱图像对的视差，而不需要以地面真实视差或深度的形式进行任何监督。估计的深度提供了补充个体语义特征的附加信息，这可以有助于其他视觉任务，例如跟踪、识别和检测。然而，来自不同光谱带的图像之间存在较大的外观变化，这对于跨光谱立体匹配是一个挑战。现有的深度无监督立体匹配方法对外观变化敏感，并且在交叉光谱数据上表现不佳。我们提出了一种新的无监督跨光谱立体匹配框架的基础上图像到图像的翻译。首先，风格自适应网络通过周期一致性和对抗性学习在不同光谱波段上变换图像，在此期间外观变化最小化。然后，使用视图重建损失用来自相同光谱的图像对训练立体匹配网络。最后，利用估计的视差以端到端的方式监督频谱转换网络。此外，提出了一种新的风格自适应网络F-cycleGAN，以提高光谱转换的鲁棒性。我们的方法可以解决外观变化，并提高无监督的跨光谱立体匹配的鲁棒性。实验结果表明，该方法在不使用深度监督或显式语义信息的情况下取得了良好的性能。
2019-03-04 cs.CV
