本研究提出了一种基于深度神经网络的图像对应关系发现框架，能够在两幅图像中找到对应关系，且无需重新训练。该方法在多个数据集上表现优异，具有高准确性。同时，研究介绍了多种局部特征匹配方法，利用Transformer架构提高匹配效率和鲁棒性，解决了高分辨率下的计算复杂度问题。

本文介绍了一种名为DIFT的方法，用于确定图像之间的对应关系。在SPair-71k基准测试中，DIFT相对于DINO和OpenCLIP的准确率分别提高了19个和14个点。