摘要

我们提出一种名为 DeepMatching 的新型匹配算法，用于计算图像之间的稠密对应关系。DeepMatching 依赖于一种分层、多层的关联架构，该架构专为图像匹配设计，并受到深度卷积方法的启发。所提出的匹配算法能够有效处理非刚性形变和重复纹理，并在图像间存在显著差异的情况下，高效地确定稠密对应关系。我们在 Mikolajczyk（Mikolajczyk 等，2005）、MPI-Sintel（Butler 等，2012）和 Kitti（Geiger 等，2013）数据集上，将 DeepMatching 的性能与当前最先进的匹配算法进行了对比评估。实验结果表明，DeepMatching 在各项指标上均优于现有先进算法，尤其在处理重复纹理时表现尤为出色。此外，我们提出一种估计光流的方法——DeepFlow，通过将 DeepMatching 集成到 Brox 与 Malik（2011）提出的大型位移光流（LDOF）框架中实现。与现有匹配算法相比，得益于本方法的匹配机制，DeepFlow 在应对大位移和复杂运动时展现出更强的鲁棒性。在公开的光流估计基准测试中，DeepFlow 也取得了具有竞争力的性能表现。