arXiv:2512.04358v1 Announce Type: new 
Abstract: Existing stereo matching networks typically rely on either cost-volume construction based on 3D convolutions or deformation methods based on iterative optimization. The former incurs significant computational overhead during cost aggregation, whereas the latter often lacks the ability to model non-local contextual information. These methods exhibit poor compatibility on resource-constrained mobile devices, limiting their deployment in real-time applications. To address this, we propose a Multi-frequency Adaptive Fusion Network (MAFNet), which can produce high-quality disparity maps using only efficient 2D convolutions. Specifically, we design an adaptive frequency-domain filtering attention module that decomposes the full cost volume into high-frequency and low-frequency volumes, performing frequency-aware feature aggregation separately. Subsequently, we introduce a Linformer-based low-rank attention mechanism to adaptively fuse high- and low-frequency information, yielding more robust disparity estimation. Extensive experiments demonstrate that the proposed MAFNet significantly outperforms existing real-time methods on public datasets such as Scene Flow and KITTI 2015, showing a favorable balance between accuracy and real-time performance.

تقدم دراسة جديدة شبكة الدمج التكيفية متعددة الترددات (MAFNet) ، المصممة لتحسين المطابقة الاستريو في الوقت الفعلي من خلال استخدام الالتفافات ثنائية الأبعاد الفعالة بدلاً من الالتفافات ثلاثية الأبعاد التقليدية أو طرق التحسين التكرارية. تهدف هذه الطريقة إلى التغلب على القيود الحسابية للشبكات الحالية للمطابقة الاستريو ، التي غالبًا ما تواجه صعوبات على الأجهزة المحمولة ذات الموارد المحدودة.

Un nuevo estudio presenta la Red de Fusión Adaptativa Multifrecuencia (MAFNet), diseñada para mejorar la coincidencia estereoscópica en tiempo real utilizando convoluciones 2D eficientes en lugar de convoluciones 3D tradicionales o métodos de optimización iterativa. Este enfoque busca superar las limitaciones computacionales de las redes de coincidencia estereoscópica existentes, que a menudo tienen dificultades en dispositivos móviles con recursos limitados.

Une nouvelle étude présente le Réseau de Fusion Adaptatif Multi-fréquence (MAFNet), conçu pour améliorer l'appariement stéréo en temps réel en utilisant des convolutions 2D efficaces au lieu de convolutions 3D traditionnelles ou de méthodes d'optimisation itératives. Cette approche vise à surmonter les limitations computationnelles des réseaux d'appariement stéréo existants, qui peinent souvent sur des appareils mobiles à ressources limitées.

A new study introduces the Multi-frequency Adaptive Fusion Network (MAFNet), designed to enhance real-time stereo matching by utilizing efficient 2D convolutions instead of traditional 3D convolutions or iterative optimization methods. This approach aims to overcome the computational limitations of existing stereo matching networks, which often struggle with resource-constrained mobile devices.

MAFNet:Multi-frequency Adaptive Fusion Network for Real-time Stereo Matching

arXiv:2512.06793v1 Announce Type: new 
Abstract: Real-time stereo matching methods primarily focus on enhancing in-domain performance but often overlook the critical importance of generalization in real-world applications. In contrast, recent stereo foundation models leverage monocular foundation models (MFMs) to improve generalization, but typically suffer from substantial inference latency. To address this trade-off, we propose Generalized Geometry Encoding Volume (GGEV), a novel real-time stereo matching network that achieves strong generalization. We first extract depth-aware features that encode domain-invariant structural priors as guidance for cost aggregation. Subsequently, we introduce a Depth-aware Dynamic Cost Aggregation (DDCA) module that adaptively incorporates these priors into each disparity hypothesis, effectively enhancing fragile matching relationships in unseen scenes. Both steps are lightweight and complementary, leading to the construction of a generalized geometry encoding volume with strong generalization capability. Experimental results demonstrate that our GGEV surpasses all existing real-time methods in zero-shot generalization capability, and achieves state-of-the-art performance on the KITTI 2012, KITTI 2015, and ETH3D benchmarks.

تم اقتراح شبكة جديدة لمطابقة الصور الاستريو في الوقت الحقيقي، وهي حجم ترميز الهندسة العامة (GGEV)، لتحسين التعميم في تطبيقات مطابقة الصور الاستريو، مما يعالج القيود المفروضة على الأساليب الحالية التي تركز بشكل أساسي على الأداء في المجال. يستخدم GGEV ميزات حساسة للعمق ووحدة تجميع تكلفة ديناميكية حساسة للعمق لتحسين دقة المطابقة في المشاهد غير المرئية.

Se ha propuesto una nueva red de coincidencia estereoscópica en tiempo real, el Volumen de Codificación Geométrica Generalizada (GGEV), para mejorar la generalización en aplicaciones de coincidencia estereoscópica, abordando las limitaciones de los métodos existentes que se centran principalmente en el rendimiento en dominio. El GGEV emplea características sensibles a la profundidad y un módulo de Agregación de Costos Dinámica Sensible a la Profundidad para mejorar la precisión de la coincidencia en escenas no vistas.

Un nouveau réseau de correspondance stéréo en temps réel, le Volume d'Encodage Géométrique Généralisé (GGEV), a été proposé pour améliorer la généralisation dans les applications de correspondance stéréo, répondant aux limites des méthodes existantes qui se concentrent principalement sur la performance en domaine. Le GGEV utilise des caractéristiques sensibles à la profondeur et un module d'Agrégation de Coût Dynamique Sensible à la Profondeur pour améliorer la précision de la correspondance dans des scènes non vues.

A novel real-time stereo matching network, Generalized Geometry Encoding Volume (GGEV), has been proposed to enhance generalization in stereo matching applications, addressing the limitations of existing methods that focus primarily on in-domain performance. The GGEV employs depth-aware features and a Depth-aware Dynamic Cost Aggregation module to improve matching accuracy in unseen scenes.

MAFNet:Multi-frequency Adaptive Fusion Network for Real-time Stereo Matching

Was this article worth reading? Share it

Fakeface

Open Source Surveillance

Project Mela