DeepMatching: 계층적 변형 밀도 매칭

우리는 이미지 간 밀도 높은 대응을 계산하기 위한 새로운 매칭 알고리즘인 DeepMatching을 소개합니다. DeepMatching은 이미지를 매칭하기 위해 설계된 계층적, 다중 층, 상관 구조를 기반으로 하며, 딥 컨볼루션 접근법에서 영감을 받았습니다. 제안된 매칭 알고리즘은 비강체 변형과 반복적인 텍스처를 처리할 수 있으며, 이미지 간에 큰 변화가 있는 경우에도 효율적으로 밀도 높은 대응을 결정합니다. 우리는 DeepMatching의 성능을 최신 매칭 알고리즘들과 비교하여 Mikolajczyk (Mikolajczyk 등 2005), MPI-Sintel (Butler 등 2012), 그리고 Kitti (Geiger 등 2013) 데이터셋에서 평가했습니다. DeepMatching은 최신 알고리즘들을 능가하며 특히 반복적인 텍스처에 대해 우수한 결과를 보여주었습니다.또한, Brox와 Malik (2011)의 큰 이동 광학 유동(LDOF) 접근법에 DeepMatching을 통합하여 광학 유동을 추정하는 방법인 DeepFlow를 제안합니다. 기존의 매칭 알고리즘들에 비해 우리의 매칭 접근법 덕분에 큰 이동과 복잡한 운동에 대한 추가적인 견고성을 얻을 수 있습니다. DeepFlow는 공개 벤치마크에서 광학 유동 추정에 있어 경쟁력 있는 성능을 보여줍니다.