GAMnet: 그래프 적대적 매칭 네트워크를 통한 강건한 특징 매칭

최근 들어 깊은 그래프 매칭(deep graph matching, GM) 기법에 대한 관심이 점점 증가하고 있다. 이러한 기법들은 그래프 노드의 임베딩, 노드 및 엣지 간의 유사도 학습, 그리고 최종 대응 관계를 해결하는 과정을 종단 간(end-to-end) 방식으로 통합한다. 깊은 그래프 매칭 문제에서 주요 과제 중 하나는 소스 그래프와 타깃 그래프에 대해 그래프 매칭 작업에 최적화된 일관된(node-wise) 임베딩을 생성하는 것이다. 또한, 깊은 매칭 네트워크 내의 미분 가능한 대응 해결기(differentiable correspondence solver)에 이산적인 일대일 매칭 제약 조건을 효과적으로 통합하는 것도 큰 도전 과제이다. 이러한 문제들을 해결하기 위해 우리는 그래프 적대적 매칭 네트워크(Graph Adversarial Matching Network, GAMnet)라는 새로운 접근법을 제안한다. GAMnet은 통합적인 종단 간 네트워크 구조 안에서 그래프 적대적 임베딩과 그래프 매칭을 동시에 통합하여, GM 작업에 적응적으로 분포 일관성과 도메인 불변성(distribution consistent and domain invariant)을 갖춘 임베딩을 학습하는 것을 목표로 한다. 또한, GAMnet은 이산적인 일대일 매칭 제약 조건을 최종 매칭 예측 과정에서 자연스럽게 근사적으로 포함할 수 있는 미분 가능한 희소 그래프 매칭 최적화(sparse GM optimization)를 대응 해결기로 활용한다. 공개된 세 가지 벤치마크에서 수행된 실험 결과는 제안된 GAMnet의 효과성과 유용성을 입증한다.