想象几家医院各有一份患者地图，却只共享少量转诊患者。每家医院单独学出的低维表示——把患者压缩成少量坐标、尽量保留相似关系——可能整体旋转或翻转，数字看似不同，其实描述的是同一结构。要把资料合起来，第一步不是补空白，而是先把坐标对齐。
Zheng 与 Kunisky 提出的 GSMMI，把这件事改写成“全局同步”：先利用每对数据源的共同实体估计相对方向，再联合寻找一组彼此一致的全局变换。关键在于，它同时使用所有成对重叠，而不是按固定顺序逐份拼接，或只沿重叠关系图的一棵生成树传递对齐。这样，多条重叠链可以互相校正，早期误差也不必一路累积。
作者称，理论分析与实验都显示 GSMMI 能提高对齐精度，即使重叠结构不算丰富也有明显改善；但现有材料没有给出具体提升数字。论文还把方法扩展到方阵、矩形矩阵，以及只在行或列上重叠的情形。