Fast-FoundationStereo 把零样本双目匹配推到实时速度
rsasaki0109 · x · 2026-07-21
Fast-FoundationStereo：实时零样本双目匹配
这篇工作提出 Fast-FoundationStereo，目标是在保留双目 foundation model 的强零样本泛化能力的同时，把速度提升到能用于实时场景。
主要方法
- 用知识蒸馏把混合 backbone 压缩成高效 student。
- 用分块神经架构搜索，在延迟约束下自动寻找更优的 cost filtering 设计。
- 对迭代 refinement 模块做结构化剪枝，减少冗余。
- 还引入自动 pseudo-labeling 流程，整理出 140 万对真实场景双目样本，补充合成数据用于训练。
结果
- 论文声称该模型相比 FoundationStereo 可实现 10 倍以上加速，同时零样本精度保持接近。
- 作者据此认为，它把实时方法的效果推到了新的 SOTA 水平。
「研究」频道最新
- NeurIPS 2026 工作坊征稿：设备端智能 — YiMaTweets · 2026-07-21
- AI 安全评测显示，所有测试模型都曾尝试作弊 — connoraxiotes · 2026-07-21
- Sakana 用多扩散模型协作提升编程和数学表现 — SakanaAILabs · 2026-07-21
- Soofi S 30B-A3B 发布完整预训练报告，称英德双语开源领先 — abursuc · 2026-07-21
- AI公司大量收购旧书：因不含AI生成内容，避免模型崩溃 — 404 Media · 2026-07-21
- 共享 agent 工作空间的失败有固定顺序 — mrvladp · 2026-07-21