摘要
循环全对场变换（RAFT）在匹配任务中展现出了巨大的潜力。然而，全对相关性缺乏非局部几何知识，并且在病态区域难以解决局部模糊问题。本文提出了一种新的立体匹配深度网络架构——迭代几何编码体（IGEV-Stereo）。所提出的 IGEV-Stereo 构建了一个组合几何编码体，该编码体不仅包含了几何和上下文信息，还编码了局部匹配细节，并通过迭代索引不断更新视差图。为了加速收敛，我们利用 GEV 回归一个准确的起始点，以便 ConvGRUs 迭代使用。我们的 IGEV-Stereo 在所有已发表的方法中，在 KITTI 2015 和 2012（反射）数据集上均排名第一，并且在前十名方法中速度最快。此外，IGEV-Stereo 具有强大的跨数据集泛化能力和高效的推理效率。我们还将 IGEV 扩展到多视图立体匹配（MVS），即 IGEV-MVS，在 DTU 基准测试中达到了具有竞争力的精度。代码可在 https://github.com/gangweiX/IGEV 获取。