고출력 레이저 시설의 최종 광학 부품에 대한 온라인 검사 이미지에는 실제 손상 부위와 매우 유사한 가짜 손상 부위(pseudo-damage sites)가 포함되어 있습니다. 따라서 온라인에서 탐지된 부위의 진위 여부를 결정하는 것은 어려우며, 오프라인의 정답(ground-truth) 부위와 정확하게 매칭하는 과정이 필요합니다. 그러나 매칭을 구분할 수 있는 특징(match-discriminative features)의 제한, 국부적인 기하학적 왜곡(local geometric distortions), 그리고 수많은 방해 부위(distractor sites)로 인해 이러한 매칭은 여전히 매우 도전적인 과제로 남아 있습니다. 기존의 매칭 모델들은 주로 손실 함수(loss-function) 감독을 통해 방해 부위를 암묵적으로 억제합니다. 본 논문에서는 손상 부위의 중심 좌표(centroid coordinates)만을 입력으로 사용하는 신뢰도 피드백 가중 그래프 매칭 네트워크(confidence-feedback-weighted graph matching network)를 제안합니다. 이 네트워크는 각 라운드의 매칭 점수로부터 노드 매칭 가능성 신뢰도(node matchability confidence)를 추정하고, 이를 신뢰도 가중치(reliability weight)로 피드백하여 후속 에지 특징 집계(edge-feature aggregation)를 가이드함으로써, 방해 부위의 전파를 억제하고 그래프 간 변별력(cross-graph discriminability)을 향상시킵니다. 이 프레임워크 내에서, 기하학적 일관성 제약(geometric consistency constraint)은 잘못된 높은 신뢰도의 매칭 가능성 추정치를 교정하며, 하드 예제 마이닝 손실(hard-example mining loss)은 구조적으로 유사한 부위 간의 변별력을 개선합니다. 복잡한 장면(Complex-Scene) 데이터셋을 이용한 실험 결과, 제안된 방법은 견고하고 효율적인 성능과 함께 96.36%의 매칭 F1-score를 달성했습니다.