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。

本文提出了一种名为RGM的深度模型，旨在通过生成光流监督和构建新数据集来提升稀疏和密集匹配的泛化能力。该模型在多个数据集上表现出色，尤其在零样本匹配和几何估计方面。此外，研究还探讨了多图像匹配方法和高效的局部特征匹配技术，以提高图像匹配的准确性和效率。