Wir präsentieren Deep Global Registration, einen differenzierbaren Rahmen für die Paarweise Registrierung realweltbezogener 3D-Scans. Deep Global Registration basiert auf drei Modulen: einem sechsdimensionalen Faltungsnetzwerk zur Vorhersage der Übereinstimmungsvertrauenswürdigkeit, einem differenzierbaren gewichteten Procrustes-Algorithmus zur geschlossenen Lösung der Pose-Schätzung und einem robusten, gradientenbasierten SE(3)-Optimierer zur Pose-Verfeinerung. Experimente zeigen, dass unser Ansatz sowohl gegenüber modernen lernbasierten als auch klassischen Verfahren auf realweltbezogenen Datensätzen die bestmögliche Leistung erzielt.