CVPR 2026 | PromptStereo：首个基于DPT的新型立体匹配迭代范式

近年来，视觉基础模型正在快速改变深度估计、分割、生成等视觉任务，但立体匹配的核心迭代架构却几乎没有发生变化。从经典的 RAFT-Stereo，到 IGEV、Selective-Stereo，再到近期的MonSter与FoundationStereo，尽管方法不断引入单目深度先验、视觉基础特征，但它们的视差优化核心，始终仍是ConvGRU。然而，GRU真的是时代最适合的迭代架构吗？来自华中科技大学的研究者提出了PromptStereo：将Prompt思想引入立体匹配，并设计基于DPT的新型迭代单元PRU，为立体匹配提供了一种全新的迭代范式。PromptStereo在多个数据集上刷新了当前零样本泛化性能，并在KITTI Reflective Leaderboard排名第一。

相关论文：PromptStereo: Zero-Shot Stereo Matching via Structure and Motion Prompts

论文地址：https://arxiv.org/abs/2603.01650

项目代码：https://github.com/Windsrain/PromptStereo

引言：为什么立体匹配的泛化一直很难？

尽管近年来 stereo matching 的精度不断提升，但模型的泛化能力始终是核心难题。尤其是在：无纹理区域、反射表面复杂真实场景中，传统方法仍然容易失效。为了解决这一问题，近期大量工作开始引入单目深度先验，这些方法已经证明：单目几何先验确实能够显著提升零样本泛化。但问题在于：它们的迭代优化核心仍然是传统的ConvGRU。

过去几年，几乎所有方法都默认：迭代更新 = ConvGRU。以前方法虽然不断改进，但其核心迭代形式始终没有改变。然而，PromptStereo作者指出：GRU本身并不是为基础模型设计的。传统GRU的更新方式主要依赖：卷积融合、状态压缩、tanh激活，这会导致外部引导信息在反复迭代过程中不断被压缩与扭曲。换句话说：即使模型已经获得了很强的单目几何先验，这些信息在多轮迭代后也可能逐渐退化。

为了解决这一问题，作者提出：PromptStereo。其核心思想是：不再把所有信息都塞进GRU，

而是将结构信息与运动信息显式建模为“Prompt”。整个方法主要包括三部分：结构提示（Structure Prompt）、运动提示（Motion Prompt）、提示循环单元（PRU）。

方法：把“Prompt”引入立体匹配

1. 结构提示：保留单目几何先验

过去的方法通常会把单目深度特征直接与GRU隐藏态混合。但PromptStereo认为：单目几何信息更适合作为“外部引导”，而不是循环状态本身。因此，作者将单目深度先验重新组织为结构提示用于显式指导视差更新。这种设计能够：更好保留几何结构、避免先验信息在迭代中被破坏、提升复杂场景泛化能力。

2. 运动提示：重新理解代价特征

除了结构信息，作者还重新思考了立体匹配中最核心的代价特征。传统方法通常将相关性特征直接输入GRU。而PromptStereo则将其重新组织为运动提示作为独立引导信号参与更新过程。这意味着：迭代模块专注于状态更新、提示信息专注于外部引导，从而实现更加清晰的信息解耦。

3. 提示循环单元：首次用DPT替代GRU

PromptStereo最核心的创新，在于提出了：提示循环单元（PRU），这是立体匹配中首次提出：基于DPT的迭代更新结构。与传统GRU不同，PRU继承了DPT的多尺度结构能力、更适合利用基础模型先验、能够在迭代过程中保留结构信息。PromptStereo 首次证明：立体匹配的迭代更新模块也可以基于DPT构建。这意味着：视觉基础模型不再只是“特征提取器”，而开始真正参与立体匹配的迭代更新过程。

实验结果：零样本泛化性能大幅提升

作者在多个公开数据集上验证了方法性能。在：KITTI、Middlebury、Booster等数据集上，PromptStereo均取得了当前最强或极具竞争力的零样本泛化性能。尤其是在：复杂场景、反射表面、无纹理区域中的优势尤为明显。

论文还展示了大量真实场景可视化结果。可以看到，在玻璃、镜面反射等传统困难场景中，PromptStereo的结果明显更加稳定。

除了零样本能力之外，作者还进一步进行了微调实验。结果显示：PromptStereo 登顶 KITTI 2012 Reflective Leaderboard。这说明：PromptStereo不仅泛化能力强，在监督训练场景下同样具有极强竞争力。

总结：立体匹配正在从“GRU时代”迈向“基础模型迭代时代”

PromptStereo 的意义不仅在于性能提升，更重要的是：它第一次真正重新思考了立体匹配中的迭代更新结构。过去立体匹配的迭代模块几乎等同于GRU，现在基于DPT的新型迭代结构开始出现，基础模型真正参与迭代推理，这也为未来的立体匹配结构设计提供了新的方向。