論文の概要: SMFormer: Empowering Self-supervised Stereo Matching via Foundation Models and Data Augmentation

• arxiv url: http://arxiv.org/abs/2604.10218v1
• Date: Sat, 11 Apr 2026 13:56:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.9089
• Title: SMFormer: Empowering Self-supervised Stereo Matching via Foundation Models and Data Augmentation
• Title（参考訳）: SMFormer: ファンデーションモデルとデータ拡張による自己教師型ステレオマッチングの強化
• Authors: Yun Wang, Zhengjie Yang, Jiahao Zheng, Zhanjie Zhang, Dapeng Oliver Wu, Yulan Guo,
• Abstract要約: 本稿では、VFM(Vision Foundation Model)とデータ拡張によって導かれる、より信頼性の高いセルフスーパービジョンを統合するフレームワークであるSMFormerを提案する。 SMFormerは、自己教師付きメソッド間での最先端(SOTA)のパフォーマンスを達成し、教師付きメソッドと同等に競合する。
• 参考スコア（独自算出の注目度）: 55.67206878777881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent self-supervised stereo matching methods have made significant progress. They typically rely on the photometric consistency assumption, which presumes corresponding points across views share the same appearance. However, this assumption could be compromised by real-world disturbances, resulting in invalid supervisory signals and a significant accuracy gap compared to supervised methods. To address this issue, we propose SMFormer, a framework integrating more reliable self-supervision guided by the Vision Foundation Model (VFM) and data augmentation. We first incorporate the VFM with the Feature Pyramid Network (FPN), providing a discriminative and robust feature representation against disturbance in various scenarios. We then devise an effective data augmentation mechanism that ensures robustness to various transformations. The data augmentation mechanism explicitly enforces consistency between learned features and those influenced by illumination variations. Additionally, it regularizes the output consistency between disparity predictions of strong augmented samples and those generated from standard samples. Experiments on multiple mainstream benchmarks demonstrate that our SMFormer achieves state-of-the-art (SOTA) performance among self-supervised methods and even competes on par with supervised ones. Remarkably, in the challenging Booster benchmark, SMFormer even outperforms some SOTA supervised methods, such as CFNet.
• Abstract（参考訳）: 近年の自己教師型ステレオマッチング法は大きな進歩を遂げている。 それらは一般的に、ビュー全体で対応するポイントが同じ外観を持つと仮定する光度整合性の仮定に依存している。 しかし、この仮定は現実世界の乱れによって損なわれる可能性があり、結果として不正な監視信号と教師付き手法と比較してかなりの精度の差が生じる。 この問題に対処するために,VFM(Vision Foundation Model)とデータ拡張によってガイドされた,より信頼性の高いセルフスーパービジョンを統合するフレームワークであるSMFormerを提案する。 まず、VFMを特徴ピラミッドネットワーク(FPN)に組み込み、様々なシナリオにおける乱れに対する識別的かつ堅牢な特徴表現を提供する。 次に、様々な変換に対する堅牢性を保証する効果的なデータ拡張機構を考案する。 データ拡張メカニズムは、学習した特徴と照明のバリエーションに影響された特徴との一貫性を明示的に強制する。 さらに、強化されたサンプルの差分予測と標準サンプルから生成されたサンプルとの出力一貫性を規則化する。 複数の主流ベンチマークの実験により、我々のSMFormerは、自己教師付きメソッド間での最先端(SOTA)のパフォーマンスを達成し、教師付きメソッドと同等に競合することを示した。 興味深いことに、Boosterベンチマークでは、SMFormerはCFNetなどのSOTA管理メソッドよりも優れています。

関連論文リスト

• Domain Generalized Stereo Matching with Uncertainty-guided Data Augmentation [11.938635624781313]
  State-of-the-art stereo matching (SM)モデルはドメインの違いにより実際のデータドメインに一般化できないことが多い。 データ拡張を活用してトレーニングドメインを拡張し、堅牢なクロスドメイン特徴表現を取得するようモデルに促します。 私たちのアプローチはシンプルでアーキテクチャに依存しないもので、任意のSMネットワークに統合することができます。
  論文  参考訳（メタデータ） (2025-08-02T10:26:53Z)
• Test-Time Consistency in Vision Language Models [26.475993408532304]
  VLM(Vision-Language Models)は、様々なマルチモーダルタスクにおいて優れたパフォーマンスを実現している。 MM-R3のような最近のベンチマークでは、最先端のVLMでさえ意味論的に等価な入力にまたがって分岐予測をもたらすことが強調されている。 教師付き再学習なしにセマンティックな一貫性を高める,シンプルで効果的なテスト時間一貫性フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-27T17:09:44Z)
• Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning [63.55145330447408]
  異常セグメンテーションのための textbfSelf-textbfPerceptinon textbfTuning (textbfSPT) 法を提案する。 SPT法は, 自己描画型チューニング戦略を取り入れ, 異常マスクの初期粗いドラフトを生成し, 精製処理を行う。
  論文  参考訳（メタデータ） (2024-11-26T08:33:25Z)
• MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
  テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。 本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
  論文  参考訳（メタデータ） (2024-10-12T07:02:33Z)
• Self-supervised Multi-view Stereo via Effective Co-Segmentation and Data-Augmentation [39.95831985522991]
  セマンティック・コセグメンテーションとデータ強化によってガイドされるより信頼性の高い監視と統合されたフレームワークを提案する。 提案手法は教師なし手法の最先端性能を実現し,教師付き手法と同等に競合する。
  論文  参考訳（メタデータ） (2021-04-12T11:48:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。