🧊 深度、法线与立体

🤖 AAAI2026 · 4 篇论文解读

📌 同领域跨会议浏览： 🧠 NeurIPS2026 (3) · 🎞️ ECCV2026 (39) · 📷 CVPR2026 (43) · 🔬 ICLR2026 (10) · 🧠 NeurIPS2025 (5) · 📹 ICCV2025 (15)

🔥 高频主题： 立体匹配 ×2

Domain Generalized Stereo Matching with Uncertainty-guided Data Augmentation

提出 UgDA-Stereo，通过对 RGB 图像逐通道均值和标准差施加基于批次统计量的高斯不确定性扰动来模拟多种未知域的视觉风格，并结合特征一致性约束，以即插即用方式显著提升立体匹配模型的跨域泛化能力。

Enhancing Generalization of Depth Estimation Foundation Model via Weakly-Supervised Adaptation with Regularization

提出 WeSTAR 框架，通过语义感知的分层归一化自训练 + 稀疏成对序数弱监督 + LoRA 权重正则化三者协同，以参数高效的方式提升深度估计基础模型（Depth Anything V2）在未见域和损坏数据上的泛化能力，在多个 OOD 基准上达到 SOTA。

Generalized Geometry Encoding Volume for Real-time Stereo Matching

提出 GGEV，将单目深度基础模型（Depth Anything V2）的深度先验以轻量方式融入代价聚合过程，通过深度感知动态代价聚合（DDCA）自适应增强不同视差假设的匹配关系，在实时速度下实现强泛化能力。

Geometry Meets Light: Leveraging Geometric Priors for Universal Photometric Stereo under Limited Multi-Illumination Cues

提出 GeoUniPS，首次将大规模3D重建模型（VGGT）的几何先验引入通用光度立体网络，通过光照-几何双分支编码器，在多光照线索不足时利用几何先验补偿，同时引入透视投影训练数据集 PS-Perp 弥合正交投影假设与真实场景的差距。