論文の概要: LiteMatch: Lightweight Zero-Shot Stereo Matching via Cost Volume Stabilization
- arxiv url: http://arxiv.org/abs/2606.31636v1
- Date: Tue, 30 Jun 2026 13:20:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.233189
- Title: LiteMatch: Lightweight Zero-Shot Stereo Matching via Cost Volume Stabilization
- Title（参考訳）: LiteMatch:軽量ゼロショットステレオマッチング
- Abstract要約: 高価な3D畳み込みを伴わずに強力なゼロショット一般化を実現する軽量ステレオマッチングフレームワークである textitLiteMatch を提案する。
LiteMatchは、グローバルなクロスビューインタラクションをキャプチャするクロスビュー対応(CVCE)と、FFTベースの周波数キューを通じて微細構造の詳細を強化するハイ周波数駆動(HFE)という2つの補完的なエンコーダを使用している。
3.36Mから9.58Mパラメータの柔軟な設計により、LiteMatchは例外的なゼロショットの一般化を実現し、Scene Flow、KITTI、Middlebury、ETH3Dと競合するEPEとD1のパフォーマンスを提供する。
- 参考スコア（独自算出の注目度）: 21.209111801863546
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite rapid progress in learning-based stereo matching, high accuracy is often achieved at the cost of heavy backbones and computationally intensive 3D cost volume processing, resulting in substantial memory and runtime overhead. More critically, these methods frequently struggle to generalize across domains, limiting their practical deployment. We present \textit{LiteMatch}, a lightweight stereo matching framework that achieves strong zero-shot generalization through cost volume stabilization-without expensive 3D convolutions. LiteMatch employs two complementary encoders: a Cross-View Correspondence Encoder (CVCE) to capture global cross-view interactions, and a High-Frequency Encoder (HFE) that enhances fine structural details via FFT-based frequency cues. To stabilize the cost volume, we introduce the \textit{Cost Volume Consistency Loss (CVC-Loss)}, a voxel-wise binary cross-entropy objective applied to softmax-normalized cost distributions. By encouraging sharp and unimodal disparity probabilities, CVC-Loss promotes stable cost distributions and enables rapid convergence. A lightweight refinement module further produces sharp full-resolution disparities with low-iteration updates, avoiding heavy recurrent refinement. With a flexible design ranging from 3.36M to 9.58M parameters, LiteMatch achieves exceptional zero-shot generalization, delivering competitive EPE and D1 performance across Scene Flow, KITTI, Middlebury, ETH3D, and DrivingStereo. Our results establish that lightweight architectures can indeed generalize across domains without sacrificing accuracy. \href{https://mdraqibkhan.github.io/Litematch}{\textcolor{blue}{Code}}
- Abstract（参考訳）: 学習ベースのステレオマッチングの急速な進歩にもかかわらず、重いバックボーンと計算集約的な3Dボリューム処理のコストで高い精度が達成され、メモリと実行時のオーバーヘッドが大幅に増大する。
さらに重要なことに、これらの手法はドメイン全体の一般化に苦しむことが多く、実際のデプロイメントを制限している。
本稿では,高額な3D畳み込みを伴わずに,コストの安定化により強力なゼロショット一般化を実現する軽量ステレオマッチングフレームワークであるtextit{LiteMatch}を提案する。
LiteMatchは、グローバルなクロスビューインタラクションをキャプチャするクロスビュー対応エンコーダ(CVCE)と、FFTベースの周波数キューを通じて微細構造の詳細を強化するハイ周波数エンコーダ(HFE)という2つの補完的なエンコーダを使用している。
コストを安定させるために,ソフトマックス正規化コスト分布に適用したボクセル単位のバイナリクロスエントロピー目的である「textit{Cost Volume Consistency Loss (CVC-Loss)} を導入する。
CVC-Lossは急激な不均一性確率を奨励することにより、安定したコスト分布を促進し、迅速な収束を可能にする。
軽量リフレクションモジュールは、低照度更新を伴うシャープフルレゾリューションの相違をさらに生み出し、過度なリカレントリフレクションを回避する。
3.36Mから9.58Mまでのフレキシブルな設計で、LiteMatchは例外的なゼロショットの一般化を実現し、Scene Flow、KITTI、Middlebury、ETH3D、DrivingStereoと競合するEPEとD1のパフォーマンスを提供する。
この結果から,軽量アーキテクチャは精度を犠牲にすることなく,ドメインをまたいだ一般化が可能であることが確認された。
\href{https://mdraqibkhan.github.io/Litematch}{\textcolor{blue}{Code}}
関連論文リスト
- Lite Any Stereo V2: Faster and Stronger Efficient Zero-Shot Stereo Matching [96.63979376005277]
Lite Any Stereo V2は、効率的なゼロショットステレオマッチング用に設計された超高速モデルシリーズである。
LAS2はアーキテクチャとトレーニングの両方の観点から開発されている。
LAS2-Hは、反復的なFast-FoundationStereoよりも、全体的なゼロショットのパフォーマンスが向上する。
論文 参考訳（メタデータ） (2026-06-23T11:45:09Z) - LightAVSeg: Lightweight Audio-Visual Segmentation [67.18006751024687]
LightAVSegは、セマンティックフィルタリングと空間接地のための分離された設計に置き換わっている。
実験では、軽量メソッド間で新しい最先端を実現することを実証している。
MS3ベンチマークで50.4 mIoUに達し、モバイルプロセッサでの効率的な推論を可能にする。
論文 参考訳（メタデータ） (2026-05-09T08:47:54Z) - $D^3$-RSMDE: 40$\times$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - Cost-Aware Contrastive Routing for LLMs [57.30288453580456]
我々は、プロンプトとモデルの両方を共有埋め込み空間にマッピングする軽量フレームワークであるコストスペクトルコントラストルーティング(CSCR)を紹介します。
CSCRはベースラインを一貫して上回り、精度とコストのトレードオフを最大25%改善した。
論文 参考訳（メタデータ） (2025-08-17T20:16:44Z) - ESMStereo: Enhanced ShuffleMixer Disparity Upsampling for Real-Time and Accurate Stereo Matching [0.0]
小型のシャッフルミキサー(ESM)を提案する。
ESMは、主要な特徴を異種アップサンプリングユニットに統合することで、重要な詳細を復元する。
ESMStereoのコンパクトバージョンは、ハイエンドGPUで116 FPS、AGX Orinで91 FPSの推論速度を達成する。
論文 参考訳（メタデータ） (2025-06-26T08:34:51Z) - LightStereo: Channel Boost Is All You Need for Efficient 2D Cost Aggregation [27.00836175513738]
LightStereoは、マッチングプロセスを加速するために作られた最先端のステレオマッチングネットワークである。
私たちのブレークスルーは、3Dコストボリュームのチャネル次元に特化してパフォーマンスを向上させることです。
LightStereoは、SceneFlowデータセットで競合するEPEメトリックを達成し、最低でも22GFLOPと17msのランタイムを必要とする。
論文 参考訳（メタデータ） (2024-06-28T11:11:24Z) - Accurate and Efficient Stereo Matching via Attention Concatenation
Volume [33.615312186946866]
本稿では,注意結合ボリューム(ACV)という新しいコストボリューム構築手法を提案する。
ACVは相関手がかりから注目重みを生成し、余分な情報を抑制し、連結ボリュームにおけるマッチング関連情報を強化する。
ACVの高速バージョンであるFast-ACVを設計し、高い確率差の仮説を生成する。
論文 参考訳（メタデータ） (2022-09-23T08:14:30Z) - Correlate-and-Excite: Real-Time Stereo Matching via Guided Cost Volume
Excitation [65.83008812026635]
本稿では,GCE ( Guided Cost Volume Excitation) を構築し,画像によって誘導されるコストボリュームの簡単なチャネル励磁により,性能が大幅に向上することを示す。
我々はCorrelate-and-Excite(CoEx)と呼ぶエンドツーエンドネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-12T14:32:26Z) - CFNet: Cascade and Fused Cost Volume for Robust Stereo Matching [27.313740022587442]
ステレオマッチングネットワークのロバスト性を改善するために,カスケードとフューズドのコストボリュームに基づくネットワークCFNetを提案する。
分散に基づく不確実性推定を用いて、次の段階の差分探索空間を適応的に調整する。
提案手法は、最先端の総合性能を達成し、Robust Vision Challenge 2020のステレオタスクで1位を獲得します。
論文 参考訳（メタデータ） (2021-04-09T11:38:59Z) - AANet: Adaptive Aggregation Network for Efficient Stereo Matching [33.39794232337985]
現在の最先端ステレオモデルは、ほとんどが高価な3D畳み込みに基づいている。
エッジフェットング問題を緩和するために,スパースポイントに基づくスケール内コストアグリゲーション手法を提案する。
また、従来のクロススケールなコスト集約アルゴリズムをニューラルネットワーク層に近似して、大きなテクスチャレス領域を処理する。
論文 参考訳（メタデータ） (2020-04-20T18:07:55Z) - AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching [50.06646151004375]
AdaStereoと呼ばれる新しいドメイン適応パイプラインは、ディープステレオマッチングネットワークにマルチレベル表現をアライメントすることを目的としている。
我々のAdaStereoモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のステレオベンチマークで最先端のクロスドメインパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-04-09T16:15:13Z)
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。