圖像匹配是計算機視覺的基礎任務，近年來，基於深度學習的匹配模型逐漸流行。爲了解決基於深度學習方法泛化性的問題，廈門大學、Intel、大疆的研究者們提出了GIM: Learning Generalizable Image Matcher from Internet Videos。GIM可以讓匹配模型從互聯網視頻中學習到強泛化能力，適用於訓練所有匹配模型。作者提出了第一個Zero-shot Evaluation Benchmark(ZEB)，評估結果顯示，GIM可以明顯提升匹配模型的泛化性能。