本文提出了一种新的超图匹配框架，使用张量块协同升级方法，以排除离群值和其他噪音形式，改善超图匹配的成绩和准确性。

Apr, 2015

研究了图匹配问题，通过实验证明了最优解不可达，证实了松弛算法加梯度下降算法的方法能在实践中达到优秀的效果。

May, 2014

我们研究了不完全多图匹配问题，该问题是配对多个有限集合的 NP 难问题的推广，多图匹配在计算机视觉中起着关键作用，已经提出了许多专门的优化技术。我们填补了这一差距，并将已知的多维分配问题近似算法转化为不完全多图匹配问题。通过实验证明，我们的新方法在目标和运行时间方面显著优于以前的技术水平。我们的算法能够在两分钟内匹配超过 500 个关键点的 29 个图像，而考虑的最快竞争方法至少需要半小时，同时产生了更差的结果。

Jun, 2024

该论文提出了两种解决图模型选择问题的交替方向乘子法方法，即用经典的交替方向乘子法解决共识问题和用贴近梯度的交替方向乘子法。数值实验表明：两种方法都较好地解决了含有百万变量的问题，并且比牛顿 - CG 次梯度算法快 5-35 倍。

Jun, 2012

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

本文研究的是图匹配问题，提出了一种基于学习的方法，用于解决基于图的模式识别问题。通过训练示例和标签，我们可以学习节点与边之间的兼容性，在解决问题时可以取得更好的效果。实验结果表明，该方法比现有算法更为有效。

Jun, 2008

本文介绍了一种基于邻近算子的图匹配算法 (DPGM)，通过将图匹配问题转化为一系列凸优化问题，实现了从图亲和矩阵到节点对应预测的可微分映射，该方法能够与深度学习框架有机地集成在一起，同时在合理的迭代次数内收敛于稳定点，并在多样数据集和 PASCAL VOC 关键点上取得了良好性能，超过了现有的图匹配算法。

May, 2024

本文介绍了一种应对图匹配问题的新型凸松弛算法，通过闭合迭代的镜像下降方案，实现了在相关高斯维格纳模型下对应的唯一解高概率收敛，进一步确立了输入矩阵的新充要条件，并将其应用于噪声下的地面实况恢复中。

Oct, 2023

本研究提出一种新的基于功能表征的图匹配方法，能够降低相关算法的时间和空间复杂度，并且具有比现有方法更准确的匹配性能。

Jan, 2019

本研究提出了一种交替方向乘子法（ADMM），该方法可以解决优化成对函数的非凸问题，适用于图像分割等领域，可以将问题分解为多个小的子问题，并通过一个新的约束条件保证了子问题的一致性，通过迭代求解子问题和更新一致性变量来加速收敛。

Apr, 2017