CVPR 2025 | 拿下多个第一！MonSter：双目深度估计大模型

本文介绍了MonSter，一种用于立体深度估计的基础模型，旨在利用单目深度估计和立体匹配的互补优势，解决现有立体匹配方法难以处理匹配线索有限的不适定区域，如遮挡、无纹理、细结构、反光等区域，在提升精度的同时增强泛化性能。通过双分支结构，循环迭代优化单目深度与双目深度，并设计了“单目引导增强(MGR)”和“立体引导对齐(SGA)”的模块，充分结合两分支深度的优势。实验结果表明，MonSter在五个最常用的benchmark上均达到SOTA——Sceneflow、KITTI 2012、KITTI 2015、Middlebury和ETH3D。在泛化性方面，MonSter仅仅使用少量公开训练集就达到最优水准。

相关论文 MonSter: Marry Monodepth to Stereo Unleashes Power 获得 CVPR 2025 Highlight，代码已开源。

论文地址：https://arxiv.org/abs/2501.08643

项目代码：https://github.com/Junda24/MonSter

目前 MonSter在 ETH3D， KITTI 2012， KITTI 2015等多个排行榜位列第一/并列第一。

KITTI 2015: 

KITTI 2012：

ETH3D：