Mamba-Stereo: Mamba Regularization for Stereo matching

Shaoxuan Suo

doi:10.1016/j.patcog.2025.112120

2025-07-08

PRE

Shaoxuan Suo

Jinxin Liu

Huihui Miao

DOI：10.1016/j.patcog.2025.112120

原文链接

原文求助

摘要

En 中文

立体匹配网络对于自动驾驶、机器人导航和增强现实（AR）等应用至关重要。基于图像特征构建的传统代价体积往往无法捕获全局几何信息，导致细节丢失、边缘模糊以及无纹理区域的误差。为解决这些问题，我们提出了一种基于Mamba机制的全新代价体积增强模块，称为Mamba正则化。Mamba正则化将高维代价体积展平为一维特征，利用空间Mamba块在各尺度上捕获整个体积特征中的长距离依赖关系。此外，我们设计了空间残差卷积（SRC）模块，以补偿展平过程中的空间信息损失。在SceneFlow和KITTI基准测试上的实验结果表明，Mamba正则化可作为即插即用模块，显著提升各类立体匹配网络的表现性能。尽管它引入了轻微的推理时间增加，但在准确性与计算效率之间实现了有利的权衡。此外，所提模块展现出强大的跨数据集泛化能力，并保持高推理效率，进一步验证了其在实际应用中的有效性。代码可在https://github.com/S1aoXuan/Mamba-Regularization获取。