يتناول هذا البحث تحدي تقدير التوافق البكسل الكثيف بين صورتين. يرتبط هذا المشكلة ارتباطًا وثيقًا بمهمة تقدير الجريان البصري حيث حققت شبكات النيورونات المت convoled (ConvNets) تقدمًا كبيرًا مؤخرًا. بينما تنتج طرق الجريان البصري نتائج دقيقة جدًا في سيناريوهات الترجمة البكسلية الصغيرة والاختلافات المظهرية المحدودة، فإنها تجد صعوبة في التعامل مع التحولات الهندسية القوية التي نعتبرها في هذا العمل. في هذا البحث، نقترح إطار عمل قائم على شبكات النيورونات المت convoled يعتمد على النهج الخشن إلى الدقيق، والذي يمكنه الاستفادة من مزايا طرق الجريان البصري وتوسيع نطاقها لتشمل حالات التحولات الكبيرة، مما يوفر تقديرات كثيفة ودقيقة تحت مستوى البكسل. يتم تدريبه على تحولات مصنعة ويظهر أداءً جيدًا للغاية عند التعامل مع البيانات الواقعية غير المعروفة سابقًا. علاوة على ذلك، نطبق طريقة بحثنا على مشكلة تقدير وضع الكاميرا النسبي ونثبت أن النموذج يتفوق على الأساليب الكثيفة الموجودة حاليًا.