# 学习型几何边缘

立体匹配的误差集中在深度边界：在IGEV上，几何边缘像素只占被评估像素的很小一部分，却贡献了约一半的总绝对视差误差。E3Stereo从视差监督中学习几何边缘，用同一张边缘图同时引导全分辨率视差残差修正和边界加权训练，并与立体骨干联合优化。在Scene Flow上，它把RAFT-Stereo、IGEV和MonSter的边界端点误差分别降低13.4%、14.3%和9.5%，整体误差也同步下降；但直接迁移到真实数据集时误差高于IGEV，需经目标域微调后才在ETH3D与KITTI报告指标上全面超过IGEV。

立体匹配的误差集中在深度边界：在IGEV上，几何边缘像素只占被评估像素的很小一部分，却贡献了约一半的总绝对视差误差。E3Stereo从视差监督中学习几何边缘，用同一张边缘图同时引导全分辨率视差残差修正和边界加权训练，并与立体骨干联合优化。在Scene Flow上，它把RAFT-Stereo、IGEV和MonSter的边界端点误差分别降低13.4%、14.3%和9.5%，整体误差也同步下降；但直接迁移到真实数据集时误差高于IGEV，需经目标域微调后才在ETH3D与KITTI报告指标上全面超过IGEV。