UFM：通向结合光流的统一稠密对应的一条简单路径

密集图像对应是许多应用的核心，例如视觉里程计、3D重建、对象关联和重识别。历史上，尽管在两幅图像之间匹配内容的目标相同，但密集对应问题在宽基线场景和光流估计中是分开处理的。在本文中，我们开发了一种统一流与匹配模型（UFM），它在统一数据上训练，用于源图像和目标图像中同时可见的像素。UFM采用一种简单通用的Transformer架构，直接回归(u,v)流。与先前工作中典型的从粗到精的成本体相比，它更容易训练，并且对于大流量的准确性更高。UFM比最先进的光流方法（Unimatch）准确率高28%，同时比密集宽基线匹配器（RoMa）错误率低62%，速度快6.7倍。UFM首次证明了统一训练在两个领域都能超越专业方法。这一结果实现了快速、通用的对应，并为多模态、长距离和实时对应任务开辟了新方向。