यह शोधपत्र अनेक ग्राफ़ों में संगत नोड्स की पहचान करने की ग्राफ़ संरेखण समस्या का समाधान करता है। विद्यमान अप्रशिक्षित अधिगम-आधारित विधियाँ, आधारभूत सत्य संगति के बिना क्रॉस-ग्राफ़ तुलना करने हेतु नोड विशेषताओं को अव्यक्त निरूपणों में एम्बेड करती हैं। हालाँकि, GNN-आधारित एम्बेडिंग के अत्यधिक स्मूथिंग और संरचनात्मक रव, विशेषता विषमता, और अधिगम अस्थिरता के कारण अव्यक्त स्थान असंगति के कारण, वे कम नोड स्वतंत्रता से ग्रस्त हैं। इस शोधपत्र में, हम एक नवीन ग्राफ़ संरेखण ढाँचा प्रस्तावित करते हैं जो नोड स्वतंत्रता को बढ़ाता है और अव्यक्त स्थानों में ज्यामितीय संगति को बढ़ाता है। निम्न- और उच्च-पास स्पेक्ट्रल फ़िल्टरों को संयोजित करने वाले एक द्वि-पास एनकोडर का उपयोग संरचना-सजग, उच्च-आयामी विभेदक एम्बेडिंग उत्पन्न करने के लिए किया जाता है। ग्राफ़ एम्बेडिंग के बीच द्विआधारी और समदूरस्थ रूपांतरणों को सीखने के लिए एक ज्यामिति-सजग विशेषता मानचित्र मॉड्यूल को एकीकृत किया गया है, जिससे विभिन्न निरूपणों के बीच सुसंगत ज्यामितीय संबंध सुनिश्चित होते हैं। विभिन्न पूर्व-प्रशिक्षित मॉडलों का उपयोग करके दृष्टि-भाषा बेंचमार्क पर व्यापक मूल्यांकन प्रदर्शित करते हैं कि प्रस्तावित ढाँचा ग्राफ़ डोमेन से परे सामान्यीकृत होता है, जिससे अप्रशिक्षित अधिगम का उपयोग करके दृष्टि और भाषा निरूपणों का संरेखण संभव होता है।
