일반화 가능한 스테레오 매칭 모델 개발에 대한 연구로, 다양한 해상도와 시차 범위에서 데이터셋 특정 미세 조정 없이 수행할 수 있는 모델을 목표로 합니다. 기존의 반복적인 지역 탐색 방식은 제한된 벤치마크에서 높은 점수를 달성하지만, 전역적 일관성이 부족하여 일반화에 한계가 있습니다. 반면, 전역 매칭 아키텍처는 이론적으로 더 강력하지만, 높은 계산 비용과 메모리 요구량으로 인해 실현 가능성이 낮았습니다. 본 논문에서는 $S^2M^2$라는 새로운 전역 매칭 아키텍처를 제시하여, 비용 부피 필터링이나 심층적 개선 스택에 의존하지 않고 최첨단 정확도와 높은 효율성을 동시에 달성합니다. 강력한 장거리 대응을 위한 다중 해상도 트랜스포머와, 실행 가능한 매칭에 확률을 집중시키는 새로운 손실 함수를 통합하여 시차, 폐색, 신뢰도를 보다 강력하게 공동 추정합니다. Middlebury v3 및 ETH3D 벤치마크에서 최첨단 성능을 달성하며, 경쟁력 있는 효율성으로 고품질의 세부 정보를 재구성합니다.
