論文の概要: DEQ-Stereo: Deep Euilibrium Video Stereo Matching via Adaptive Convergence

• arxiv url: http://arxiv.org/abs/2610.39701v1
• Date: Thu, 29 Oct 2026 09:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:56:37.258869
• Title: DEQ-Stereo: Deep Euilibrium Video Stereo Matching via Adaptive Convergence
• Title（参考訳）: DEQ-Stereo:Adaptive Convergenceによる深部ユーリブリウムビデオステレオマッチング
• Abstract要約: DEQ-StereoはDeep Equilibrium(DEQ)パラダイムに基づいた新しいビデオステレオマッチングフレームワークである。 これは精製を暗黙の固定点問題として再定義し、収束が成立すれば適応的に終了する。 最先端のパフォーマンスを提供し、精度とレイテンシのトレードオフに優れています。
• 参考スコア（独自算出の注目度）: 7.0400997404000565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iterative refinement models have significantly improved stereo matching accuracy, but their rigid, fixed update schedules incur heavy computational costs and a strict trade-off between speed and accuracy. This challenge is magnified in video streams, where traditional online methods resort to reducing feature channels or relying on expensive temporal warping. To address this, we propose \textbf{DEQ-Stereo}, a novel video stereo matching framework based on the Deep Equilibrium (DEQ) paradigm. Instead of unrolling a fixed number of iterations, DEQ-Stereo reformulates the refinement as an implicit fixed-point problem, adaptively terminating once convergence is met. To ensure fast and stable intra-frame convergence, we introduce the \textbf{Convolutional Simplified Gated Unit (ConvSGU)}, which eliminates unnecessary non-linearities by modeling the latent state as a gated, element-wise sum of inputs. Furthermore, to exploit cross-frame temporal coherence, we propose \textbf{Temporal State Transfer (TST)}, a warm-start strategy that propagates the converged hidden state to the next frame without requiring explicit pose or warping priors. Extensive evaluations demonstrate that DEQ-Stereo delivers state-of-the-art performance with a superior accuracy-to-latency trade-off.
• Abstract（参考訳）: 反復リファインメントモデルはステレオマッチングの精度を大幅に向上させたが、その厳密で固定された更新スケジュールは計算コストと速度と精度の厳密なトレードオフをもたらす。 この課題は、伝統的なオンライン手法が機能チャネルを減らしたり、高価なテンポラリなワープに頼る、ビデオストリームで拡大されている。 そこで本稿では,Deep Equilibrium(DEQ)パラダイムに基づく新しいステレオマッチングフレームワークである‘textbf{DEQ-Stereo} を提案する。 一定数の反復をアンロールする代わりに、DEQ-Stereo は修正を暗黙の固定点問題として再定義し、一度収束が成立すると適応的に終了する。 高速かつ安定したフレーム内収束を保証するために,潜在状態を有界要素の和としてモデル化することで不要な非線形性を排除した「textbf{Convolutional Simplified Gated Unit(ConvSGU)」を導入する。 さらに, フレーム間の時間的コヒーレンスを活用するために, 明示的なポーズや乱れを伴わずに, 収束した隠れ状態を次のフレームに伝播する温かいスタート戦略である「textbf{Temporal State Transfer (TST)」を提案する。 大規模な評価は、DEC-Stereoが最先端のパフォーマンスを提供し、精度とレイテンシのトレードオフが優れていることを示している。

関連論文リスト

• RhymeFlow: Training-Free Acceleration for Video Generation with Asynchronous Denoising Flow Scheduling [51.279397568734424]
  Diffusion Transformers (DiTs) に基づく映像生成モデルは,映像合成において顕著な性能を発揮している。 DiTは3次元の注意の二次的な複雑さのために、高い推論遅延と計算コストに悩まされる。 我々はbftextRhymeFlowを紹介した。bftextRhymeFlowはトレーニング不要のフレームワークで、異なるフレームの認知軌道を分離する。
  論文  参考訳（メタデータ） (2026-06-04T15:49:37Z)
• Ride the Wave: Precision-Allocated Sparse Attention for Smooth Video Generation [9.132288507881592]
  ビデオ拡散変換器は高忠実度ビデオ生成に革命をもたらしたが、自己注意の膨大な計算負担に悩まされている。 PASA(Precision-Allocated Sparse Attention)は,高効率かつ時間的にスムーズなビデオ生成を目的としたトレーニングフリーフレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T02:51:52Z)
• D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy [7.553742541566094]
  時間的アライメントと拡散前処理の統合は ビデオ復元の 変革的パラダイムとして現れました 素晴らしい知覚の質を提供しています 単一画像拡散に基づく低ステップ推論によるビデオ再生フレームワークである textbfD$2$-VR を提案する。
  論文  参考訳（メタデータ） (2026-02-09T08:52:51Z)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• SoulX-FlashTalk: Real-Time Infinite Streaming of Audio-Driven Avatars via Self-Correcting Bidirectional Distillation [16.34443339642213]
  textbfX-FlashTalkは、textbf32 FPSのリアルタイムスループットを達成しながら、textbfsub秒の起動遅延(0.87秒)を達成する14Bスケールのシステムである。 SoulX-FlashTalkは、Textbf32 FPSのリアルタイムスループットを達成しつつ、Textbfsub秒の起動遅延(0.87秒)を達成する最初の14Bスケールシステムである。
  論文  参考訳（メタデータ） (2025-12-29T11:18:24Z)
• PPMStereo: Pick-and-Play Memory Construction for Consistent Dynamic Stereo Matching [51.98089287914147]
  textbfPick-and-textbflay textbfMemory (PM) construction module for dynamic bfStereo matching, called bftextPPMStereo。 bftextPPMStereo と呼ばれる動的 bfStereo マッチングのための textbfPick-and-textbflay textbfMemory (PM) 構築モジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-23T03:52:39Z)
• MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
  我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
  論文  参考訳（メタデータ） (2025-07-06T08:16:50Z)
• Stabilizing Equilibrium Models by Jacobian Regularization [151.78151873928027]
  ディープ均衡ネットワーク(Deep equilibrium Network, DEQs)は、単一非線形層の固定点を見つけるために従来の深さを推定する新しいモデルのクラスである。 本稿では、平衡モデルの学習を安定させるために、固定点更新方程式のヤコビアンを明示的に正規化するDECモデルの正規化スキームを提案する。 この正規化は計算コストを最小限に抑え、前方と後方の両方の固定点収束を著しく安定化させ、高次元の現実的な領域に順応することを示した。
  論文  参考訳（メタデータ） (2021-06-28T00:14:11Z)
• Intrinsic Temporal Regularization for High-resolution Human Video Synthesis [59.54483950973432]
  時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。 フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。 我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
  論文  参考訳（メタデータ） (2020-12-11T05:29:45Z)

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。