FoundationStereo

FoundationStereo 是一个面向立体匹配任务的零样本基础模型，用于从一对校正后的立体图像直接生成高精度稠密视差图，并可进一步转换为度量尺度深度图或3D点云。其核心技术包括：基于百万级高保真合成数据集与自动去噪筛选的训练范式、支持侧调优（side-tuning）的视觉基础模型特征骨干网络，以及增强长程上下文建模的成本体滤波机制，显著提升跨域泛化能力。适用于自动驾驶、机器人导航、三维重建等需快速部署且缺乏领域标注数据的实际场景。