초록
하이퍼그래프 매칭은 고차원 구조적 정보를 고려함으로써 특징 대응을 찾는 데 유용한 도구이다. 최근 딥러닝의 활용이 그래프 매칭 분야에서 큰 진전을 이뤘으며, 이는 하이퍼그래프 매칭 분야에도 잠재적 가능성을 시사한다. 따라서 본 논문에서는 우리가 아는 바에 따르면 최초로 통합적인 하이퍼그래프 신경망(HNN) 솔루션을 하이퍼그래프 매칭에 제안한다. 구체적으로, 매칭이 필요한 두 하이퍼그래프를 대상으로 먼저 이들 사이에 연관성 하이퍼그래프(association hypergraph)를 구성하고, 하이퍼그래프 매칭 문제를 이 연관성 하이퍼그래프 위의 노드 분류 문제로 변환한다. 이후, 이 노드 분류 문제를 효과적으로 해결할 수 있도록 새로운 하이퍼그래프 신경망을 설계한다. 제안된 방법은 엔드투엔드로 학습이 가능하며, HNN-HM이라 명명된 본 방법은 개선된 최적화를 통해 모든 구성 요소를 공동으로 학습한다. 평가를 위해 HNN-HM은 다양한 벤치마크에서 검증되었으며, 기존 최고 성능 기법들에 비해 명확한 우수성을 보였다.