本論文では、階層的推論グラフネットワークを学習することにより顔の親族関係検証の問題を調査します。従来の方法は、ペアサンプルの各顔画像から判別的な特徴を学習することに焦点を当て、得られた2つの顔画像特徴を融合し、それらの間の関係について推論する方法を軽視しています。これを解決するために、我々はスター形状推論グラフネットワーク（S-RGN）を提案します。S-RGNはまず、周囲のノードが特徴次元での比較情報を符号化し、中央ノードが周囲ノード間の相互作用の橋渡しとして使用されるスター形状グラフを構築します。その後、このスターグラフ上で反復メッセージ伝播を行い関係推論を行います。提案されたS-RGNは、すべての周囲ノードからの情報を分析および処理するために中央ノードのみを使用するため、その推論能力が制限されます。さらに、より強力で柔軟な能力を利用するため、階層的推論グラフネットワーク（H-RGN）を開発しました。具体的には、H-RGNは一連の潜在的な推論ノードを導入し、それらを使って階層的グラフを構築します。その後、階層的グラフ上でボトムアップ比較情報抽象化とトップダウン包括的信号伝播を反復的に実行してノード特徴を更新します。4つの広く使用されている親族データベースにおける広範な実験結果は、提案手法が非常に競争力のある結果を得ていることを示しています。