本文提出了一种基于约束的图匹配方法，能够处理任意阶数、任意势函数的约束，在先前依赖于图结构的分解方法的基础上，通过约束匹配的分解，将图匹配重构为非凸非可分的优化问题，通过交替方向乘子法将其分解为多个较小、易于解决的子问题，从而设计了一个模块化可扩展的框架，并对基于两两约束和高阶约束的两个不同实例进行了研究，实验结果表明，所提出的解决方案在广泛采用的合成和真实示例基准测试中优于现有的两两图匹配方法，并且在高阶设置中具有竞争力。

Nov, 2016

本文提出了一种高阶匹配追踪的低秩张量学习方法，适用于凸或非凸损失函数，可以高效地计算出秩为一的张量，且具有较小的存储需求和较好的收敛速率，实验证明该方法在合成和实际数据集上都具有高效性和有效性。

Mar, 2015

本研究研究了解决特征对应问题中的图案重复问题，并提出了一种新的锚点到重心坐标编码方法来生成多个仿射不变的对应坐标，实验表明该方法可以提高匹配质量并在 CVPR 2021 的第三届图像匹配挑战赛中获得竞争性表现。

Jun, 2023

提出了一种基于图神经网络的、可训练的框架，用于从不同的图像集合中学习可变形的三维几何模型，并在图形匹配中取得更好的性能。

Mar, 2021

本文介绍了一种新的基于双重块升降法的 MAP-solver, 叫做 MPLP++, 具有比现有的解算器 TRWS 更显著的性能提升，并具有高度并行性，可用于计算机视觉、生物影像等领域。作者使用公开的基准测试和对象位姿问题验证了这种算法的卓越性能，并提供了关于图密度的消融研究。

Apr, 2020

本文介绍了一种基于 CUR 张量分解的超图匹配方法（CURSOR），通过 CUR 基于第二阶图匹配算法提供初步匹配，然后利用基于纤维的 CUR 张量生成方法直接计算兼容张量的条目，从而显著降低时间复杂度和张量的密度，最后利用基于概率松弛标记的匹配算法进一步提高匹配效果，实验证明 CURSOR 方法在大规模合成数据集和广泛采用的基准集上优于现有方法并降低计算成本。

Feb, 2024

本文介绍了一种针对弯曲（如球形）图像的高级匹配算法，使用简单复合复杂度计算每个 p - 基元的同构，在已知真实匹配的情况下测试一系列数据集并超越现有的方案。

Jul, 2020

本文介绍了一种 Higher-Order Projected Power Iteration 方法来解决多目标匹配问题，能够在不限制问题规模的情况下处理几何一致性，并保证环一致性，实验结果表明该方法优于现有方法。

Nov, 2018

本文介绍了基于随机块坐标梯度下降的并行优化算法，能够快速高效地解决大规模线性可分凸问题在网络结构上的应用，收敛速率与更新组件 $ au$ 线性相关，并探讨了稀疏半定规划解法和具体应用。

Apr, 2015

本文提出一种全局优化的方法，用于同时匹配多张图像，将问题表述为低秩矩阵恢复问题并提供了一种快速交替最小化算法来解决该问题，在模拟和真实实验中，该算法与最先进的算法相比具有相同的计算性能但加速一个数量级。最后，证明了该方法的适用性，可以通过匹配不同对象实例的图像来重建特定类别的对象模型。

May, 2015