CATs: Cost Aggregation Transformers for Visual Correspondence
コスト集約 = Matching taskとやらで重要なプロセスである．
semantic segmentation, object detection，image editingにおいて，意味的に類似した画像間の対応関係を知ることは重要である
位置関係が異なっていても，外見が異なっていても，そのクラスであるところの対応関係を知ることが肝要
古典的なマッチングパイプラインとやらでは，以下の3つのパイプライン
feature extraction
flow estimation
targetの画像からsourceに変形するような各画素$ iに対して決まるcorrespondence field$ F(i)を確立することが目的である
関連研究として，この$ F(i)の決め方は
最適輸送
4D/6D convolutions
https://scrapbox.io/files/6552689ee19ff6001b4bf6b4.png