FreeMatching：面向图像编辑与参考引导生成的通用稠密对应匹配框架

FreeMatching 提出一种通用稠密对应匹配框架，结合生成式与语义基础表征，并引入来自经典数据集、跟踪视频和合成场景的异构监督，通过教师引导的迭代精修在无稠密标注的图像编辑与参考引导生成（IEG）场景中提升对应质量。实验显示单一模型在具有挑战性的 IEG 图像对上显著改善对应质量，同时在经典基准上保持竞争力表现。该方法还可作为评估身份保持的量化指标，其评分与人类判断相关，代码已开源。