1. 一眼概覽：

MonSter是一種創(chuàng)新性的雙分支立體匹配方法，首次將單目深度估計與雙目立體匹配協(xié)同優(yōu)化，在多個主流數(shù)據(jù)集上取得全面領先的性能。

2. 核心問題：

傳統(tǒng)立體匹配在遮擋、紋理缺失、重復結構和遠距離區(qū)域表現(xiàn)不佳，難以恢復精確深度。該研究核心在于：如何利用單目深度的結構先驗彌補雙目匹配在病態(tài)區(qū)域中的信息缺失，同時消除單目深度的尺度漂移誤差。

3. 技術亮點：

• 雙分支協(xié)同架構：構建單目深度和雙目匹配兩大分支，通過迭代互導實現(xiàn)相互增強；
• 精細像素級校準機制：提出“立體引導對齊（SGA）”和“單目引導優(yōu)化（MGR）”模塊，實現(xiàn)像素級尺度-偏移校正與精細立體細化；
• 領先的泛化能力：在五個主流數(shù)據(jù)集（SceneFlow、KITTI 2012/2015、Middlebury、ETH3D）全面奪冠，零樣本測試中顯著優(yōu)于現(xiàn)有SOTA方法。

4. 方法框架：

圖片

MonSter整體流程如下：

• 單目估計與初始立體匹配：利用DepthAnythingV2獲取單目深度，IGEV分支進行初步立體匹配；
• 全局尺度對齊：通過最小二乘優(yōu)化將單目深度轉換為粗對齊的“單目視差”；
• 雙向迭代優(yōu)化：

SGA模塊利用高置信度立體結果，校正單目深度的像素級偏移；

MGR模塊反過來使用更新后的單目視差優(yōu)化立體匹配結果；

• 最終輸出：經過多輪迭代后的立體分支輸出作為最終結果。

5. 實驗結果速覽：

圖片

MonSter在多個數(shù)據(jù)集上均達SOTA水準：

? Scene Flow：EPE 降至 0.37（提升15.9%）；

? KITTI 2012/2015：D1-all 降至 1.33/1.41，優(yōu)于Selective-IGEV 和 CREStereo；

? ETH3D：Bad1.0降至0.72，領先IGEV 52%；

? Middlebury：RMSE降至0.20；

? 零樣本泛化：訓練僅用Scene Flow，在ETH3D上Bad>1px降至2.03，優(yōu)于所有現(xiàn)有方法。

6. 實用價值與應用：

MonSter具備強泛化與精度優(yōu)勢，特別適用于自動駕駛、機器人導航、增強現(xiàn)實、三維重建等場景，尤其在低紋理、遠距離、反光表面等復雜環(huán)境中表現(xiàn)卓越，具備部署潛力。

7. 開放問題：

• ? MonSter是否可擴展到多視角或光流估計任務中？
• ? 面對極端天氣或夜間環(huán)境時，其單目-雙目協(xié)同機制是否仍穩(wěn)定可靠？
• ? 如何進一步壓縮模型體積，使其適用于移動終端或嵌入式設備？