Dieses Papier behandelt die Herausforderung der dichten Pixelkorrespondenzschätzung zwischen zwei Bildern. Dieses Problem ist eng mit der optischen Flusschätzung verwandt, bei der ConvNets (CNNs) kürzlich erhebliche Fortschritte gemacht haben. Obwohl optische Flussmethoden sehr genaue Ergebnisse für kleine Pixelverschiebungen und begrenzte Erscheinungsunterschiede liefern, können sie kaum starke geometrische Transformationen bewältigen, die wir in dieser Arbeit betrachten. In diesem Beitrag schlagen wir einen von grob zu fein ausgerichteten CNN-basierten Ansatz vor, der die Vorteile der optischen Flussmethoden nutzen kann und diese auf den Fall großer Transformationen erweitert, um dichte und subpixelgenaue Schätzungen bereitzustellen. Das Modell wird an synthetischen Transformationen trainiert und zeigt eine sehr gute Leistung bei unbekannten, realistischen Daten. Des Weiteren wenden wir unsere Methode auf das Problem der relativen Kamerapositionsschätzung an und zeigen, dass das Modell bestehende dichte Ansätze übertrifft.