本稿では、画像間の高密度対応関係を計算するための新しいマッチングアルゴリズム「DeepMatching」を提案する。DeepMatchingは、画像マッチングを目的として設計された階層的で多層的な相関構造に基づくものであり、深層畳み込みアプローチに着想を得ている。本手法は非剛体変形や繰り返し模様を含むテクスチャに対しても対応可能であり、画像間に大きな変化が生じる状況下でも効率的に高密度な対応関係を推定できる。DeepMatchingの性能は、Mikolajczyk（Mikolajczyk他、2005年）、MPI-Sintel（Butler他、2012年）、Kitti（Geiger他、2013年）の各データセットにおいて、最先端のマッチングアルゴリズムと比較して評価された。その結果、DeepMatchingは既存の最先端手法を上回り、特に繰り返し模様を含む画像において優れた性能を示した。さらに、BroxとMalik（2011年）が提唱した大領域変位光学フロー（LDOF）アプローチにDeepMatchingを統合することで、光学フロー推定手法「DeepFlow」を提案する。従来のマッチングアルゴリズムと比較して、本手法により大規模な変位および複雑な運動に対する追加的なロバスト性が得られた。DeepFlowは、光学フロー推定の公開ベンチマークにおいて競争力のある性能を達成している。