arXiv cs.AI· Qi Xiong, Qinghua Zhao, Yongqiang Xi·· 14 小时前AI 评分18
E3Stereo：用学习到的几何边缘改进深度边界处的立体匹配
E3tereo: Improving Stereo Matching at Depth Boundaries with Learned Geometric Edges
AI 导读
E3Stereo 从视差监督中学习几何边缘，并结合主干视差与图像细节预测全分辨率视差修正，同时用同一边缘图在训练中强化边界误差。在 Scene Flow 数据集上，该方法使 RAFT-Stereo、IGEV 和 MonSter 的深度边界 EPE 降低 9.5%-14.3%，整体 EPE 也同步下降。
正文 · AI 翻译
摘要：深度边界仍然是立体匹配中的主要误差来源。对于 Scene Flow 上的 IGEV，几何边缘像素仅占被评估像素的 6%，却贡献了总绝对视差误差的约一半。光度边缘可以响应纹理变化，却不一定对应深度不连续，因此作为边界细化的线索并不可靠。我们提出 E3Stereo，它从视差监督中学习几何边缘，并将这些边界线索与主干视差和图像细节相结合，以预测全分辨率视差修正。同一边缘图还在训练过程中强调边界误差，而联合优化使边缘预测器能够适应视差细化。在 Scene Flow 数据集上，E3Stereo 在 RAFT-Stereo、IGEV 和 MonSter 上将深度边界处的端点误差（EPE）降低了 9.5%-14.3%，同时也降低了整体 EPE。经过微调后，我们基于 IGEV 的模型在 ETH3D、KITTI 2012 和 KITTI 2015 上报告的全部十一项指标上均优于 IGEV。源代码将在论文被接收后公开。
| 评论： | 提交至 cvpr |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33704 [cs.CV] |
| （或 arXiv:2610.33704v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33704 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qinghua Zhao [查看邮箱]
[v1]
2026 年 10 月 24 日星期六 14:35:22 UTC（6,799 KB）
来源：arXiv cs.AI · arxiv.org