本文探讨了联合学习框架在语义立体匹配、分割和流估计中的应用，提出了S^3M-Net和SyncTrack等新方法，显著提升了场景理解和实时跟踪性能。实验结果显示，这些方法在KITTI和US3D数据集上超越了现有技术。

本文综述语义立体匹配与三维场景理解研究，涵盖：轻量级多阶段架构实现快速推理与精度速度权衡；利用语义分割先验解决立体对应不确定性；双流全卷积网络联合学习三维语义分割与边缘检测；LiDAR全景分割框架GP-S3Net及端到端网络AF2-S3Net；结合语义分割的无监督CNN深度估计；语义物体分割与深度估计网络SOSD-Net；融合几何、时间与语义约束的自监督单目视频深度估计；以及基于语义超级点树的实例分割方法。