WAVE-Stereo: Warp-Aligned Volume Encoding for Stereo Matching
作者: Zehan Liu, Yage He, Xianwu Gong
分类: cs.CV, cs.RO
发布日期: 2026-07-15
🔗 代码/项目: GITHUB
💡 一句话要点
提出WAVE-Stereo以解决立体匹配中的特征对齐问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 立体匹配 特征对齐 深度学习 计算机视觉 自动驾驶
📋 核心要点
- 现有的立体匹配方法在处理无纹理区域时存在匹配退化的问题，导致准确性下降。
- WAVE-Stereo通过GeoWarp Correspondence Encoder并行编码匹配搜索和残差对齐，结合相关体和特征扭曲的互补信息。
- 在五个真实世界基准测试中，WAVE-Stereo在准确性和效率上表现优异，尤其在KITTI 2015和Booster数据集上取得了显著提升。
📝 摘要（中文）
现有的迭代立体匹配方法主要采用两种对应表示：通过相关体进行显式匹配搜索和通过扭曲特征进行局部残差细化，但这两者仍然是分开建模的。我们提出了WAVE-Stereo，基于一个核心见解：相关体和特征扭曲提供了互补的匹配线索。GeoWarp Correspondence Encoder (GWCE)在ConvGRU输入中并行编码匹配搜索、残差对齐和视差先验。为了减轻在无纹理区域的匹配退化，我们提出了Periodic Global Context Propagation (PGCP)，以周期性方式传播全局空间信息。在五个真实世界基准上，WAVE-Stereo在没有任何外部基础模型先验的情况下实现了竞争性的零-shot泛化准确性，KITTI 2015上达到3.18%的D1-all，Booster上达到4.42%的Bad-2.0，并实现了66ms的实时推理，取得了准确性与效率的良好平衡。
🔬 方法详解
问题定义：论文要解决的具体问题是现有立体匹配方法在无纹理区域的匹配退化，导致整体匹配准确性下降。现有方法通常将匹配搜索和残差细化分开处理，未能有效利用两者的互补信息。
核心思路：论文的核心解决思路是通过GeoWarp Correspondence Encoder (GWCE)并行编码匹配搜索、残差对齐和视差先验，从而实现更为有效的特征对齐。通过结合相关体和特征扭曲的信息，WAVE-Stereo能够在复杂场景中提高匹配的鲁棒性。
技术框架：整体架构包括GWCE模块用于编码匹配信息，以及Periodic Global Context Propagation (PGCP)模块用于周期性传播全局空间信息。该框架通过ConvGRU实现信息的动态更新和融合。
关键创新：最重要的技术创新点在于将匹配搜索和残差对齐的过程并行化，利用GWCE模块有效整合两者的信息，从而显著提升了在无纹理区域的匹配性能。与现有方法相比，WAVE-Stereo在处理复杂场景时表现出更高的准确性和效率。
关键设计：在设计中，GWCE模块的输入包括匹配搜索、残差对齐和视差先验，损失函数则结合了全局上下文信息和局部特征，确保了模型在不同场景下的适应性和鲁棒性。
🖼️ 关键图片
📊 实验亮点
WAVE-Stereo在五个真实世界基准上表现出色，特别是在KITTI 2015上实现了3.18%的D1-all和在Booster上达到4.42%的Bad-2.0，且具备66ms的实时推理能力，展示了其在准确性与效率上的优越平衡。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、机器人视觉和三维重建等。通过提高立体匹配的准确性和效率，WAVE-Stereo能够在复杂环境中提供更为可靠的深度信息，推动相关技术的实际应用和发展。
📄 摘要（原文）
Existing iterative stereo matching methods primarily adopt two types of correspondence representation: explicit matching search via correlation volumes and local residual refinement via warped features, yet the two remain separately modeled. We propose WAVE-Stereo, built on a core insight: correlation volumes and feature warping provide complementary matching cues. \textbf{GeoWarp Correspondence Encoder (GWCE)} encodes matching search, residual alignment, and disparity prior in parallel at the ConvGRU input. To mitigate matching degradation in textureless regions, we propose \textbf{Periodic Global Context Propagation (PGCP)}, which propagates global spatial information in a periodic manner. On five real-world benchmarks -- Middlebury, ETH3D, KITTI 2012, KITTI 2015, and Booster -- WAVE-Stereo achieves competitive zero-shot generalization accuracy without any external foundation model prior, achieving 3.18\% D1-all on KITTI 2015, 4.42\% Bad-2.0 on Booster, and 66ms real-time inference, striking a favorable balance between accuracy and efficiency. Our code is available at https://github.com/yamanoko-do/WAVE-Stereo.