論文の概要: TRUST-Stereo: Teacher-Assisted Robust Uncertainty-Guided Search and Transfer for Fast Stereo Matching
- arxiv url: http://arxiv.org/abs/2611.05689v1
- Date: Tue, 03 Nov 2026 22:20:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.861918
- Title: TRUST-Stereo: Teacher-Assisted Robust Uncertainty-Guided Search and Transfer for Fast Stereo Matching
- Title（参考訳）: TRUST-Stereo:教師支援ロバスト不確実な探索と高速ステレオマッチングのための転送
- Abstract要約: Trust-Stereoは教師が支援する、高速ステレオマッチングのための堅牢な不確実性ガイド付き検索と転送である。
伝搬格差の信頼性を推定し、残留オフセットを予測し、局所的なコストボリューム中心を適応的に再配置する。
KITTI 2015 EPEは0.93、ETH3D Bad 1.0は2.13%、Middlebury Bad 2.0は6.79%、推論は1ステレオペアあたり約50msである。
- 参考スコア（独自算出の注目度）: 7.779486682867233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coarse-to-fine stereo matching enables efficient disparity estimation but remains sensitive to errors in propagated disparity, which may place ground-truth correspondences outside subsequent local search ranges. We propose TRUST-Stereo (Teacher-Assisted Robust Uncertainty-Guided Search and Transfer for Fast Stereo Matching), which addresses this limitation through an Uncertainty-Guided Residual Search Module (UGRSM). UGRSM estimates the reliability of propagated disparity and predicts residual offsets to adaptively relocate local cost-volume centers. Additionally, we introduce a two-stage Senior-Junior Teacher Assistant knowledge distillation strategy to transfer rich monocular representations from a large foundation model to a lightweight backbone to achieve fast stereo matching performance. Experiments on KITTI 2012, KITTI 2015, ETH3D, and Middlebury demonstrate strong zero-shot generalization. Using only 1.4M synthetic stereo pairs, TRUST-Stereo achieves state-of-the-art results on several benchmark metrics, outperforming competing efficient methods trained with substantially larger datasets, including real-world pseudo-labeled samples. Specifically, it achieves a KITTI 2015 EPE of 0.93, ETH3D Bad 1.0 of 2.13% and Middlebury Bad 2.0 of 6.79% while maintaining inference at approximately 50 ms per stereo pair.
- Abstract（参考訳）: 粗大なステレオマッチングは、効率的な不一致推定を可能にするが、伝播不一致の誤差に敏感であり、これはその後の局所探索範囲の外側に接する。
本稿では,TRUST-Stereo (Teacher-Assisted Robust Uncertainty-Guided Search and Transfer for Fast Stereo Matching)を提案する。
UGRSMは伝搬格差の信頼性を推定し、残留オフセットを予測し、局所的なコストボリューム中心を適応的に移動させる。
さらに,大規模基礎モデルから軽量のバックボーンへリッチな単分子表現を伝達し,高速なステレオマッチング性能を実現するための2段階の上級教員支援システムの知識蒸留戦略を導入する。
KITTI 2012 KITTI 2015 ETH3Dとミドルベリーの実験では、ゼロショットの強い一般化が示されている。
わずか1.4Mの合成ステレオペアを使用して、TRUST-Stereoはいくつかのベンチマークメトリクスで最先端の結果を達成し、現実世界の擬似ラベルサンプルを含む、かなり大きなデータセットでトレーニングされた競合する効率的な手法よりも優れている。
具体的には、KITTI 2015 EPEの0.93、ETH3D Bad 1.0の2.13%、Middlebury Bad 2.0の6.79%を達成している。
関連論文リスト
- URS-Stereo: Uncertainty-Guided Residual Search for Real-Time Stereo Matching [0.6379544211152604]
リアルタイムステレオマッチングはロボット工学、自律システム、組込み視覚アプリケーションにとって不可欠である。
近年の粗大なステレオマッチング法は, 先行段階の分散度推定の精度に大きく依存している。
URS-Stereoは、不確実性誘導探索によるこの制限に対処する、リアルタイムの粗大なステレオマッチングフレームワークである。
論文 参考訳（メタデータ） (2026-07-07T20:20:47Z) - ANROT-HELANet: Adverserially and Naturally Robust Attention-Based Aggregation Network via The Hellinger Distance for Few-Shot Classification [4.283774189998499]
ANROT-HELANet, Adversarially and Naturally RObusT Hellinger Aggregation Networkを紹介する。
提案手法は, 逆向きかつ自然に頑健なヘリンジャー距離に基づく特徴クラスアグリゲーション方式を実装している。
FIDスコアは2.75で、従来のVAE (3.43) とWAE (3.38) よりも優れている。
論文 参考訳（メタデータ） (2025-09-14T11:44:43Z) - Integrating Disparity Confidence Estimation into Relative Depth Prior-Guided Unsupervised Stereo Matching [55.784713740698365]
教師なしのステレオマッチングは、コストのかかる不均一なアノテーションから独立して、大きな注目を集めている。
実現可能な解決策は、相対深度マップからステレオマッチングネットワークへの3次元幾何学的知識の転送にある。
本研究は,これらの課題に対処する新しい教師なし学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-02T09:11:05Z) - Boosting Omnidirectional Stereo Matching with a Pre-trained Depth Foundation Model [70.67610495024459]
カメラベースの設定は、立体深度推定を用いて高解像度の高解像度深度マップを生成することで、コスト効率のよい選択肢を提供する。
既存の全方位ステレオマッチング手法は、様々な環境において限られた深度精度しか達成できない。
DFI-OmniStereoは, 大規模事前学習基礎モデルを用いて, 相対的な単眼深度推定を行う新しい全方位ステレオマッチング法である。
論文 参考訳（メタデータ） (2025-03-30T16:24:22Z) - Rectified Iterative Disparity for Stereo Matching [2.8908326904081334]
コストボリュームに基づく不確実性不確実性推定(UEC)を提案する。
画像対から得られるコストボリュームの豊富な類似性情報に基づいて,提案したUCCは,計算コストの低い競合性能を実現することができる。
提案手法を組み合わせた高性能ステレオアーキテクチャDR Stereoを提案する。
論文 参考訳（メタデータ） (2024-06-16T13:47:40Z) - Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo
Matching [77.133400999703]
相関に基づくステレオマッチングは優れた性能を達成した。
固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。
本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
論文 参考訳（メタデータ） (2023-07-26T09:47:37Z) - Patch-Level Contrasting without Patch Correspondence for Accurate and
Dense Contrastive Representation Learning [79.43940012723539]
ADCLRは、正確で高密度な視覚表現を学習するための自己教師型学習フレームワークである。
提案手法は, コントラッシブな手法のための新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2023-06-23T07:38:09Z) - AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
本稿では,AdaStereoというドメイン適応型アプローチを提案する。
我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。
提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
論文 参考訳（メタデータ） (2021-12-09T15:10:47Z) - SMD-Nets: Stereo Mixture Density Networks [68.56947049719936]
SMD-Nets(Stereo Mixture Density Networks)は、幅広い2Dおよび3Dアーキテクチャに対応したシンプルで効果的な学習フレームワークです。
具体的には,バイモーダル混合密度を出力表現として活用し,不連続近傍の鋭く正確な不一致推定を可能にすることを示す。
我々は8Mpx解像度のステレオペアと現実世界のステレオデータセットからなる、新しい高解像度でリアルな合成ステレオデータセットに関する包括的な実験を行う。
論文 参考訳（メタデータ） (2021-04-08T16:15:46Z)
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。