يهدف التوافق الرسومي إلى إقامة تقابل بين العقد في رسمين بيانيين، وهو ما يُعد مشكلة أساسية نظرًا لطبيعته المُحكمة من نوع NP. من بين الاعتبارات العملية، يكمن التحدي في نمذجة دالة الترابط بشكل فعّال في ظل وجود ضوضاء، بحيث يكون الناتج المثالي رياضيًا معناه فيزيائيًا مُقنعًا. تلجأ هذه الورقة إلى الشبكات العصبية العميقة لتعلم ميزات العقد والحواف، فضلًا عن نموذج الترابط لتوافق الرسومات بطريقة متكاملة من البداية إلى النهاية. يتم التدريب بوساطة خسارة التبديل التوافقي المُحددة على العقد. بشكل خاص، تتضمن المعاملات الشبكة العصبية التلافيفية لاستخراج ميزات الصور، والشبكات العصبية الرسومية لتمثيل العقد (الذي يحوّل المعلومات الهيكلية (أبعد من الرتبة الثانية) إلى ميزات فردية للعقد، ما يؤدي إلى مشكلة تعيين خطية)، بالإضافة إلى نواة الترابط بين الرسمين البيانيين. يتميز هذا النهج بالمرونة، حيث تكون خسارة التبديل غير حساسة لعدد العقد، كما أن نموذج التمثيل مُشترك بين العقد، ما يسمح للشبكة بالتعامل مع أعداد متغيرة من العقد أثناء التدريب والاستنتاج. علاوةً على ذلك، فإن شبكتنا لا تعتمد على الفئة (class-agnostic). تُظهر النتائج التجريبية على مجموعات معايير واسعة أداءً متميزًا على مستوى الحد الأقصى من الأداء. كما تمتلك القدرة على التعميم عبر الفئات والبيانات المختلفة، وهي قادرة على إجراء توافق موثوق حتى في وجود قيم شاذة (أوتلايرز).