CVPR满分论文 | 英伟达开源双目深度估计大模型FoundationStereo

文章预览

本文介绍了 FoundationStereo，一种用于立体深度估计的基础模型，旨在实现强大的零样本泛化能力。通过构建大规模（100 万立体图像对）合成训练数据集，结合自动自筛选流程去除模糊样本，并设计了网络架构组件（如侧调谐特征主干和远程上下文推理）来增强可扩展性和准确性。这些创新显著提升了模型在不同领域的鲁棒性和精度，为零样本立体深度估计设立了新标准。 相关论文 FoundationStereo: Zero-Shot Stereo Matching 获得 CVPR 2025 满分评审，代码已开源。 论文地址：https://arxiv.org/abs/2501.09898   项目主页：https://nvlabs.github.io/FoundationStereo/   项目代码和数据集：https://github.com/NVlabs/FoundationStereo/   对比常用 RGBD 相机: 目前 FoundationStereo 在 Middlebury, ETH3D 等多个排行榜位列第一。 引言 立体匹配算法虽在基准数据集上表现优异，但零样本泛化能力仍不足。现有 ………………………………