通过组合求解器的黑箱微分实现深度图匹配

基于组合优化与深度学习交叉领域近期取得的进展，我们提出了一种端到端可训练的深度图匹配架构，该架构包含未经修改的组合优化求解器。通过结合高度优化的组合求解器以及对网络结构设计的若干改进，我们在关键点对应任务的深度图匹配基准测试中实现了当前最优性能。此外，我们强调了将求解器嵌入深度学习架构所具有的概念性优势，例如可利用强大的多图匹配求解器进行后处理，或对训练设置的变化具有较强的鲁棒性。最后，我们提出了两种新的具有挑战性的实验设置。相关代码已开源，地址为：https://github.com/martius-lab/blackbox-deep-graph-matching。