FreeMatching：可泛化的稠密对应匹配框架
AI 总结
arXiv:2610.12421（2026年10月8日提交，已被 NeurIPS 2026 接收）提出 FreeMatching，一个结合生成式与语义基础表征、并使用经典数据集、跟踪视频与合成场景异构监督的稠密对应匹配框架，面向图像编辑与参考引导生成（IEG）等打破时空先验的场景。作者称单一模型在困难的 IEG 图像对上大幅提升匹配质量，同时在经典基准上保持有竞争力的表现，并通过教师引导的迭代精化在无稠密对应标注的情况下进一步改进。论文还将其用作评估身份保持度的量化指标，称其得分与人类判断相关，代码已公开。
深度见解
它把稠密对应从传统几何假设扩展到图像编辑与参考引导生成，并提供一种与人类判断相关的身份保持度评估思路。