우리는 표현력이 풍부한 일반화된 슬라이서(generalized slicers)를 사용하여 Gromov-Wasserstein (GW) 문제를 위한 슬라이스 공식화인 min Generalized Sliced Gromov-Wasserstein (min-GSGW)을 제안합니다. 핵심 아이디어는 두 입력 측도(measures) 모두에 호환 가능한 푸시포워드(push-forward) 값을 할당하는 결합된 비선형 슬라이서(coupled nonlinear slicers)를 학습하는 것입니다. 이를 통해 투영된 도메인(projected domain)에서의 단조 결합(monotone coupling)이 원래 공간의 GW 목적 함수(GW objective)에 대해 평가되는 운송 계획(transport plan)으로 격상됩니다. 결과로 생성된 계획은 GW 목적 함수 값을 유도하며, min-GSGW는 원래 공간에서 이 비용을 직접 최소화합니다. 나아가 우리는 min-GSGW가 기하학적 매칭(geometric matching) 및 형상 분석(shape analysis) 작업에 중요한 속성인 강체 운동 불변성(rigid-motion invariant)을 가짐을 보여줍니다. 우리의 기여는 세 가지입니다: 1) 슬라이스 GW 프레임워크에 일반화된 슬라이서를 도입하였고, 2) 슬라이싱 기반의 효율적인 GW 운송 계획을 구축하였으며, 3) 인스턴스별 최적화(per-instance optimization)를 보지 못한 입력 쌍에 대한 학습된 슬라이서로 대체하는 분할 상환 변형(amortized variant)을 개발하였습니다. 우리는 동물 메쉬 매칭(animal mesh matching), 말 메쉬 보간(horse mesh interpolation), 그리고 ShapeNet 부품 전이(part transfer)에 대해 실험을 수행합니다. 결과에 따르면 min-GSGW는 기존 GW 솔버(solvers)보다 실질적으로 낮은 계산 비용으로 의미 있는 기하학적 대응 관계(geometric correspondences)와 GW 목적 함수 값을 생성합니다.