Thinklab-SJTU/ThinkMatch

해결하는 문제

ThinkMatch는 깊은 그래프 매칭 알고리즘의 개발, 구현, 벤치마킹을 간소화하기 위해 연구 목적에 맞게 설계된 프레임워크입니다. 이미지 키포인트 매칭, 분자 매칭, 영화와 줄거리 연결과 같은 작업에 필수적인 그래프 간 노드-노드 대응을 찾는 NP-완전한 조합 문제를 해결합니다.

작동 방식

이 라이브러리는 최신의 깊은 그래프 매칭 방법(예: GMN, NGM, BBGM, COMMON)을 PyTorch 기반으로 구현한 모음입니다. PascalVOC-Keypoint 및 SPair-71k와 같은 표준화된 모듈과 데이터셋을 제공하여 연구자들이 새로운 알고리즘을 개발하고 일관된 실험 환경에서 기존 벤치마크와 공정하게 비교할 수 있도록 합니다.

대상 사용자

새로운 그래프 매칭 알고리즘을 개발하고, 학술 논문을 발표하거나 기존 모델의 네트워크 구조와 하이퍼파라미터를 깊이 있게 탐구하고자 하는 연구자 및 개발자를 주요 대상으로 합니다.

주요 특징

• 포괄적인 모델 라이브러리: 2018년부터 2026년까지의 다양한 깊은 그래프 매칭 방법을 포함합니다.
• 표준화된 벤치마킹: PascalVOC 및 Willow Object Class와 같은 여러 데이터셋에서 상세한 성능 메트릭을 제공합니다.
• 유연한 매칭 설정: Two-Graph Matching (2GM), Multi-Graph Matching (MGM), 그리고 모드의 혼합을 포함한 Multi-Graph Matching (MGM3)을 지원합니다.
• Docker 지원: 복잡한 환경 설정을 피할 수 있도록 사전 구성된 Docker 이미지를 제공합니다.