シーングラフは最近、3次元空間理解の包括的な表現として導入されました。3次元シーングラフ間のアライメントは、点群レジストレーション、モザイキング、重複確認、ロボットナビゲーションなどの多くの下流タスクの最初のステップです。本研究では、3次元シーングラフのアライメントを部分的なグラフマッチング問題として扱い、これをグラフニューラルネットワークを使用して解決することを提案します。我々は、点群レジストレーション手法で学習された幾何学的特徴量を再利用し、クラスタリングされた点レベルの幾何学的特徴量とノードレベルの意味論的特徴量を自作の特徴融合モジュールを通じて関連付けます。部分的なマッチングは、学習可能な方法を使用して上位k個の類似ノードペアを選択することで可能になります。その後の点群レジストレーションなどの下流タスクは、マッチした領域内で事前学習済みのレジストレーションネットワークを実行することで達成されます。さらに、我々は3次元シーングラフのノード間アライメントを使用して、事前学習済みの点群レジストレーション手法から得られるマッチング候補に重み付けを行うポイントマッチング再スコアリング手法を提案します。これは特に低重複度の場合において推定される誤ったポイント対応を削減します。実験結果によると、我々の手法は低重複度およびランダム変換シナリオにおいてアライメント精度を10～20%向上させ、既存の研究よりも複数の下流タスクで優れた性能を示しています。