MAFNet: Multi-frequency Adaptive Fusion Network for Real-time Stereo Matching
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
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. Subsequently, we introduce a Linformer-based low-rank attention to adaptively aggregation 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.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- MAFNet: Multi-frequency Adaptive Fusion Network for Real-time Stereo Matching
- Date Crossref
- 15/06/2026
- Éditeur
- ACM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Tongji University Shanghai Research Institute for Intelligent Autonomous Systems pays non établi dans la noticeUniversité ou école supérieure
-
Chinese Academy of Sciences pays non établi dans la noticeOrganisme public
-
Institute of Optics and Electronics pays non établi dans la noticeStructure de recherche
-
College of Surveying and Geo-Informatics pays non établi dans la noticeUniversité ou école supérieure
Shanghai Research Institute for Intelligent Autonomous Systems — Tongji University, Chinese Academy of Sciences et Institute of Optics and Electronics, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.