摘要
显式表示图像对之间像素级对应关系的全局匹配分布对于不确定性估计和下游应用具有重要意义。然而，由于候选匹配的数量庞大，计算每个像素的匹配密度可能会非常昂贵。在本文中，我们提出了一种分层离散分布分解（Hierarchical Discrete Distribution Decomposition, HD³）框架，适用于学习光流和立体匹配中的概率像素对应关系。我们将完整的匹配密度分层次地分解为多个尺度，并在粗尺度上的匹配和变形条件下估计每个尺度的局部匹配分布。这些局部分布随后可以组合在一起形成全局匹配密度。尽管方法简单，我们的概率模型在已建立的基准测试中实现了光流和立体匹配的最先进结果。我们还发现，估计的不确定性很好地反映了预测对应关系的可靠性。