노드 및 쌍별 제약 조건 하에서의 그래프 매칭 문제는 조합 최적화, 기계 학습, 컴퓨터 비전에 이르기까지 다양한 분야에서 핵심적인 문제로, 노드 간의 관계와 이웃 구조를 동시에 표현하는 것이 필수적이다. 본 연구에서는 그래프 매칭 과정의 모든 파라미터, 즉 일원 및 쌍별 노드 이웃 구조를 깊이 있는 특징 추출 계층으로 표현할 수 있도록 엔드 투 엔드 모델을 제안한다. 주요 과제는 손실 함수에서 시작하여 조합 최적화 레이어를 통해 매칭 문제를 해결하고, 특징 추출 계층까지 이어지는 전체 파이프라인에서 일관성 있고 효율적인 기울기 전파를 가능하게 하기 위해 모델의 다양한 행렬 계산 레이어를 적절히 구성하는 것이다. PASCAL VOC 키포인트, Sintel, CUB와 같은 도전적인 데이터셋에서 수행한 컴퓨터 비전 실험 및 아블레이션 연구 결과, 엔드 투 엔드로 최적화된 매칭 모델이 다른 문제에 대해 훈련된 특징 계층을 기반으로 한 대조 모델보다 우수함을 입증하였다.