조합 최적화 해법의 블랙박스 미분을 통한 딥 그래프 매칭

조합 최적화와 딥러닝의 융합 분야에서 최근의 성과를 바탕으로, 수정되지 않은 조합 최적화 솔버를 포함하는 엔드투엔드 학습 가능한 딥 그래프 매칭 아키텍처를 제안한다. 매우 최적화된 조합 최적화 솔버의 존재와 아키텍처 설계의 일부 개선을 활용함으로써, 특징점 대응을 위한 딥 그래프 매칭 벤치마크에서 최신 기술 수준을 한 단계 도약시켰다. 또한, 딥러닝 아키텍처에 솔버를 통합하는 데 따른 개념적 장점을 강조한다. 예를 들어, 강력한 다중 그래프 매칭 솔버를 후처리 단계에 활용할 수 있거나, 학습 설정의 변화에 대해 무관심한 특성을 갖는다는 점 등이 있다. 마지막으로, 두 가지 새로운 도전적인 실험 설정을 제안한다. 코드는 다음 주소에서 공개된다: https://github.com/martius-lab/blackbox-deep-graph-matching