組合最適化と深層学習の交差領域における最近の進展を基盤として、修正を加えずに組合最適化ソルバーを含む、エンドツーエンドで学習可能な深層グラフマッチングアーキテクチャを提案する。高度に最適化された組合最適化ソルバーの存在と、アーキテクチャ設計におけるいくつかの改良を活用することで、キーポイント対応に関する深層グラフマッチングのベンチマークにおいて、現在の最良性能を大きく上回る成果を達成した。さらに、深層学習アーキテクチャにソルバーを組み込むことの概念的利点を強調する。具体的には、強力なマルチグラフマッチングソルバーによる後処理の可能性や、訓練設定の変更に対してロバストであるといった点が挙げられる。最後に、新たな挑戦的な実験設定を2つ提案する。コードは https://github.com/martius-lab/blackbox-deep-graph-matching で公開されている。