ForceStereo：通过状态演化实现观测同化的立体匹配方法

ForceStereo 针对立体匹配中局部观测不可靠、整体指标可能掩盖区域性大误差的问题，提出基于观测校准的深度状态推断框架，将视差估计表述为可靠性引导的状态演化。基于摘要分析，未取得论文全文。 方法首先利用场景级上下文校准有歧义的局部视差假设，再形成状态，以避免过早采纳不可靠匹配。随后，将残差、假设歧义与结构信息作为可靠性条件，通过 Neural ODE 调节这些条件在视差演化过程中的影响。其核心区别在于控制不可靠观测如何影响状态，而非直接把观测转换为视差更新；具体可靠性计算、动力学形式、训练损失与推理开销尚未验证。 作者报告，在 ETH3D 排行榜评估中，误差降幅最高达 16.0%；在具有挑战性的数据集上，相对此前最佳结果的零样本误差降幅最高达 25.3%；在 KITTI 2012 和 KITTI 2015 立体匹配基准的多个关键指标上排名第一。摘要未明确前两项结果的完整指标、对照方法及具体评估设置，也未列出 KITTI 的具体排名指标，因此不能将这些结果合并解释为统一性能增益。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的假设是，以观测可靠性调节连续状态演化，或有助于 EEG 时序状态估计减弱伪迹与低信噪比片段的影响。原方法依赖立体图像、视差假设及场景结构，其监督方式与数据规模尚未验证；可考虑复用可靠性条件驱动的状态演化思路，但需重新设计 EEG 观测编码与可靠性估计，不能直接沿用视差歧义。跨被试、通道变化及小数据条件下，可靠性估计失准可能压制真实神经活动。一个可证伪的小实验是在固定 EEG 数据划分和编码器下，对照直接状态更新与可靠性调节的状态演化，比较干净片段及人工加入伪迹片段上的任务表现。相关 EEG 工作尚未检索确认。