CVPRMar, 2022

局部场景中对象定位的空间常识图

PDF
TL;DR本研究提出了一种解决局部场景下物体定位问题的方法，使用一个基于空间常识图模型的图神经网络来估计目标物体的位置。在部分重构的场景中，该方法的表现优于其他基准方法。
object localisationpartial scenesspatial commonsense graphgraph neural networkproximity prediction network
发现论文，激发创造
  • 您的图形推荐器可以证明是单视图图形对比学习

    图推荐器与图对比学习在编码器和损失函数方面存在关联，通过理论和实验证明，图推荐器是单视图图对比模型，GR 模型的损失函数可以用 GCL 损失代替。

    Jul, 2024

  • Krait：一种针对图形提示调优的后门攻击

    通过图谱调整，我们研究了图谱后门攻击的脆弱性，提出了一种新型的图谱后门攻击方法 Krait，为了提高攻击效果和隐蔽性，我们设计了三种可定制的触发器生成方法，并通过实验证明了 Krait 的可行性和严重威胁。

    Jul, 2024

  • 在一种符合性图神经网络框架中，利用综合旅行时间和数据可用性进行城市交通预测

    提出了一种新的框架来将车站之间的旅行时间纳入基于数据可用性的交通站点的带权邻接矩阵的图神经网络架构中，以处理不确定性并提高交通流量预测模型的性能。实验证明，该模型在平均绝对误差方面优于其他模型约 24%，在均方根误差方面优于其他模型约 8%。

    Jul, 2024

  • Dirac–Bianconi 图神经网络 — 实现非扩散的远程图预测

    基于图拉普拉斯矩阵的 Dirac-Bianconi 图神经网络与传统的信息传递神经网络具有根本不同的方式来探索图的几何结构，具有一致的远程传播能力，并在电网稳定性和多肽性质的长程预测方面显示出卓越的性能。

    Jul, 2024

  • 基于图网络的可靠实时城市空中出行车队调度对抗学习框架

    城市空中出行（UAM）的广泛采用和经济可行性在一定程度上取决于在 UAM 网络中如何对飞机机队进行最优调度，其中不确定性包括空域拥塞、变化的天气条件和不同的需求。本文提出了飞机机队调度问题的全面优化形式，同时也指出需要替代的解决方案，因为直接解决生成的非线性整数规划问题在每日机队调度中在计算上是禁止的。先前的研究表明使用（图形）强化学习（RL）方法来训练实时可执行的机队调度策略模型是有效的。然而，这种策略在分布场景或边缘情况下通常是脆弱的。此外，随着问题复杂性（例如约束数量）的增加，训练性能也会下降。为了解决这些问题，本文提出了一种模仿学习方法，其中基于 RL 的策略利用通过遗传算法解决确切优化问题而产生的专家演示。该策略模型包括基于图神经网络（GNN）的编码器，将垂直港口和飞机嵌入空间，变压器网络对需求、乘客票价和运输成本进行编码，以及基于多头注意力（MHA）的解码器。通过生成对抗性模仿学习（GAIL）算法使用专家演示。与涉及 8 个垂直港口和 40 架飞机的 UAM 模拟环境交互，以日利润奖励为指标，新的模仿方法在平均性能和未知最坏情况场景的显着改进方面优于纯 RL 结果。

    Jul, 2024

  • 通过图稀疏化解决图神经网络中的过度平滑问题：基于桥组的方法

    提出了一种基于顶点的图稀疏化模型，用于解决图神经网络中由于过度聚合操作导致的过平滑问题，并在图分类任务中显著提高了基线图神经网络模型的性能。

    Jul, 2024

  • 通过神经因果模型的图神经网络因果解释

    通过因果推理，提出了一种基于图神经网络的因果解释方法，通过构建因果结构和结构性因果模型，通过训练可定制的神经因果模型，揭示了解释图神经网络预测的子图。

    Jul, 2024

  • 使用预训练的 LLM 的简化文本属性图嵌入

    使用 Simplified Text-Attributed Graph Embeddings (STAGE) 方法来增强编码文本属性图的图神经网络模型中的节点特征。STAGE 利用大型语言模型生成文本属性的嵌入，实现了在各种节点分类基准测试中具有竞争力的结果，同时相对于当前最先进的技术实现上也保持了简单性。我们展示了利用预训练的大型语言模型作为嵌入生成器为集成图神经网络训练提供了稳定的特征，从而使得我们的流程比当前需要多个昂贵的训练和提示阶段的最先进方法更简化。我们还实现了扩展模式图神经网络，以使这个流程适用于超过学术基准的图结构。

    Jul, 2024

  • 基于 GNN 的从单视角 2D 投影重建体积器官形状的 Deep-Motion-Net

    提出了 Deep-Motion-Net: 一种端到端的图神经网络架构，可以从任意投影角度获取的单个治疗中 kV 平面 X 射线图像实现三维（容积）器官形状重建。

    Jul, 2024

  • 5G RAN 中的广义基于 Transformer 的无线链路故障预测框架

    提出了一种新颖的 RLT 预测框架 GenTrap，采用基于图神经网络的可学习天气效果聚合模块以及最先进的时间序列变换器作为时态特征提取器，通过集成该聚合方法改善现有预测模型的性能和普适性。使用两个真实世界数据集进行评估，在 2.6 百万个 KPI 数据点中 GenTrap 相对于对应模型具有显著更高的 F1 分数（农村为 0.93，城市为 0.79），同时具备泛化能力。

    Jul, 2024