FoundationStereo

FoundationStereo: Zero-Shot Stereo Matching进阶

英伟达的双目立体匹配基础模型，换场景不用微调也能出深度

英伟达 Bowen Wen 等人提出的立体匹配模型，发表于 CVPR 2025。输入左右两张相机图像，输出稠密视差图，再用基线和焦距换算成深度或点云。以往的立体匹配网络换到新场景往往要重新微调；FoundationStereo 用约 100 万对高真实感合成双目图（FSD 数据集）训练，并通过旁路微调（side-tuning）引入视觉基础模型的单目深度先验，缩小仿真与真实的差距，做到零样本泛化，官方称发布时在 Middlebury 和 ETH3D 榜单排第一。机器人里常用它从双目图像得到更完整的深度，供抓取和位姿估计使用；2025 年 12 月又推出实时版 Fast-FoundationStereo。