要約
グラフマッチングは、与えられたグラフのノード集合間に対応関係を確立しつつ、その辺集合間の整合性を保つことを目的とする。しかし、実用的な状況におけるアウターライア（外れ値）の存在や、深層学習手法における辺表現の同等な学習という課題は依然として残っている。これらの問題に対処するため、本研究ではエッジ注意に基づく適応型グラフマッチング（Edge Attention-adaptive Graph Matching, EAGM）ネットワークと、新たなエッジ特徴の記述方式を提案する。EAGMは、2つのグラフ間のマッチング関係を、その割り当てグラフ（assignment graph）上におけるノードおよびエッジの分類問題に変換する。エッジの潜在的な役割を活用するために、EAGMは割り当てグラフ上でエッジ注意（edge attention）を学習し、1) 各エッジがグラフマッチングに与える影響を明らかにし、2) エッジ表現の学習を適応的に調整することを可能にする。アウターライアによって引き起こされる問題の緩和のため、エッジはそのエッジが張る空間における意味情報の集約によって記述される。この豊かな情報により、異なるエッジ（例えば、インライア・インライアエッジとインライア・アウターライアエッジ）の明確な区別が可能となり、関連するエッジの観点からアウターライアをより明確に識別できるようになる。広範な実験により、アウターライアを含む場合と含まない場合の両方において、EAGMが最先端手法と比較して優れたマッチング品質を達成することが確認された。本研究のソースコードおよび実験結果は、https://github.com/bestwei/EAGM にて公開されている。