Ce travail aborde le défi de l'estimation de correspondances de pixels denses entre deux images. Ce problème est étroitement lié à la tâche d'estimation du flot optique, où les réseaux de neurones convolutifs (ConvNets ou CNNs) ont récemment réalisé des progrès significatifs. Bien que les méthodes de flot optique produisent des résultats très précis pour les scénarios de translation de pixels faible et de variations d'apparence limitées, elles peinent à traiter les transformations géométriques importantes que nous considérons dans cette étude. Dans cet article, nous proposons un cadre basé sur les CNNs, allant du grossier au fin, qui peut tirer parti des avantages des approches de flot optique et les étendre aux cas de grandes transformations, fournissant ainsi des estimations denses et précises au niveau sous-pixel. Il est formé sur des transformations synthétiques et montre une performance très bonne sur des données réalistes non vues. De plus, nous appliquons notre méthode au problème d'estimation de la pose relative de la caméra et démontrons que le modèle surpasses les approches denses existantes.