特徴表現の進歩にもかかわらず、大規模な画像変動下で信頼性のある視覚的対応を確立するためには、幾何学的関係を利用することが重要です。本研究では、畳み込みマッチングに対するハフ変換の観点を導入し、効果的な幾何学的マッチングアルゴリズムである「畳み込みハフマッチング（Convolutional Hough Matching: CHM）」を提案します。この手法は、候補マッチの類似度を幾何学的変換空間に分散させ、畳み込み的方式で評価します。私たちはこれを半各向同性高次元カーネルを持つトレーニング可能なニューラル層として実装し、解釈可能な少数のパラメータで非剛体マッチングを学習します。効果を検証するために、翻訳とスケーリングの空間で畳み込みマッチングを行うCHM層を持つニューラルネットワークを開発しました。当方法はセマンティック視覚対応に関する標準ベンチマークにおいて新たな最先端の成果を達成し、困難なクラス内変動に対する強力なロバスト性を示しています。