論文の概要: STEREOFLOW: Progressive Stereo Matching with StereoDiT and Transition Flow Matching

• arxiv url: http://arxiv.org/abs/2607.19986v1
• Date: Wed, 22 Jul 2026 10:19:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.054471
• Title: STEREOFLOW: Progressive Stereo Matching with StereoDiT and Transition Flow Matching
• Title（参考訳）: sterEOFLOW:プログレッシブステレオマッチングとステレオDiTおよび遷移流マッチング
• Authors: Hao Wang, Haoran Geng, Xiaotong Yang, Jing Tang, Songlin Wei, Linlong Lang, Yeying Jin, Zheng Zhu, Zhaoxin Fan, Biao Leng,
• Abstract要約: 本稿では,決定論的整合回帰と生成分布モデリングを統合した事前誘導型生成フレームワークを提案する。 提案されたStereoFlowは、Scene Flow、KITTI、ETH3D、Middleburyなど、ベンチマークの複数の最先端結果を確立する。
• 参考スコア（独自算出の注目度）: 45.06621486586422
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stereo matching is a fundamental task in 3D reconstruction. Despite remarkable advances, the prevailing paradigms formulate stereo matching as a deterministic regression problem, collapsing the multimodal distribution modeling into a single-point estimation. This formulation suffers from a regression-to-mean bias, frequently struggling with ambiguous regions. In contrast, we introduce a prior-guided generative framework that integrates deterministic matching regression and generative distribution modeling within a complementary formulation. Built upon this formulation, we introduce StereoFlow through three key components: (i) a two-stage progressive cascade matching network that progressively produces multi-resolution stereo conditions with complementary matching cues; (ii) a pixel diffusion transformer (termed StereoDiT) with a frequency-decoupled architecture for modeling correspondence ambiguity; (iii) a few-step flow matching objective (termed Transition Flow Matching) for efficient optimization. In summary, \textsc{\textbf{StereoFlow}} achieves strong geometric consistency and rich fine-grained details in ill-posed, discontinuous regions and under zero-shot generalization. Extensive experiments demonstrate that the proposed StereoFlow establishes multiple state-of-the-art results across benchmarks, including Scene Flow, KITTI, ETH3D, and Middlebury.
• Abstract（参考訳）: ステレオマッチングは3次元再構成の基本的な課題である。 顕著な進歩にもかかわらず、主流のパラダイムはステレオマッチングを決定論的回帰問題として定式化し、マルチモーダル分布モデリングを単一点推定に分解する。 この定式化はレグレッション・ツー・平均バイアスに悩まされ、曖昧な領域でしばしば苦労する。 これとは対照的に,決定論的整合回帰と生成分布モデリングを相補的な定式化に組み込んだ事前誘導型生成フレームワークを導入する。 この定式化に基づいて、3つの重要なコンポーネントを通してStereoFlowを紹介します。 i) 相補的な整合性を持つ多分解能ステレオ条件を段階的に生成する2段階プログレッシブカスケードマッチングネットワーク (II)対応あいまいさをモデル化するための周波数分離アーキテクチャを有する画素拡散変換器(StereoDiT) 3) 効率的な最適化のための数段階のフローマッチング目標(遷移フローマッチング)。 要約すると、 \textsc{\textbf{StereoFlow}} は、不連続領域やゼロショットの一般化の下で、強い幾何的整合性と豊富なきめ細かい詳細を達成する。 大規模な実験により、提案されたStereoFlowは、Scene Flow、KITTI、ETH3D、Middleburyなど、ベンチマーク全体で複数の最先端結果を確立している。

関連論文リスト

• SurF: A Generative Model for Multivariate Irregular Time Series Forecasting [9.605729240308543]
  本稿では,イベントシーケンスと単位レート指数雑音を学習する生成モデルであるSurFを提案する。 実世界の6つのベンチマークで、SurFは地震、リツイート、タオバオに関する最高のRMSEを達成している。 厳格なLeft-outプロトコルの下では、SurFは5/6データセット上の古典的およびニューラル自動回帰ベースラインをすべて破る。
  論文  参考訳（メタデータ） (2026-05-13T19:46:48Z)
• Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
  Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。 Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
  論文  参考訳（メタデータ） (2025-06-24T17:58:02Z)
• Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection [70.84835546732738]
  RGB-Thermal Salient Object Detectionは、目視と熱赤外画像のペア内の目立つ物体をピンポイントすることを目的としている。 従来のエンコーダ・デコーダアーキテクチャは、欠陥モードから生じるノイズに対する頑健さを十分に考慮していなかったかもしれない。 本稿では,Divide-and-Conquer戦略を用いた,堅牢なConfluent Triple-Flow NetworkであるConTriNetを提案する。
  論文  参考訳（メタデータ） (2024-12-02T14:44:39Z)
• Match-Stereo-Videos: Bidirectional Alignment for Consistent Dynamic Stereo Matching [17.344430840048094]
  最近の学習に基づく手法では, 一つのステレオペア上での最適性能が優先され, 時間的矛盾が生じている。 本研究では,隣接フレームの双方向アライメント機構を基本動作として開発する。 既存の手法とは異なり、我々はこのタスクを局所的なマッチングとグローバルアグリゲーションとしてモデル化する。
  論文  参考訳（メタデータ） (2024-03-16T01:38:28Z)
• Unifying Flow, Stereo and Depth Estimation [121.54066319299261]
  本稿では3つの動作と3次元知覚タスクのための統一的な定式化とモデルを提案する。 これら3つのタスクを、統一された高密度対応マッチング問題として定式化する。 我々のモデルは、モデルアーキテクチャとパラメータがタスク間で共有されているため、自然にクロスタスク転送を可能にします。
  論文  参考訳（メタデータ） (2022-11-10T18:59:54Z)

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。