- 面向小型稀疏图结构的图注意力网络在汽车应用中的优化与解释
本文探讨了基于图注意网络的 GATv2 在小型稀疏图结构中可能遇到的一些优化问题，并提出了改进的解决方案和方法，通过实验结果验证改进后的模型方案在节点级别回归任务中表现更好，同时提高了参数初始化的鲁棒性，并对其解释性进行了分析，以此来深入了 - RE$^2$: 基於視覺豐富文件的區域感知關係抽取
本文提出了一种基于区域感知的关系抽取方法 (RE$^2$)，它利用边缘感知的图注意力网络学习实体之间的交互，并考虑实体之间由其区域级表示定义的空间关系，同时引入约束目标以使模型符合关系抽取任务的内在约束。实验结果表明，我们的方法在各种数据集 - GATology 在语言学中的应用：它能识别哪些句法依存关系
本文研究了 Graph Attention Network 在机器翻译中的应用，通过设计一个依赖关系预测任务，研究了 GAT 如何学习三种语言的语法知识，结果表明当 GAT 层数适当增加，可以获得更好的性能并保持训练速度更快和更有竞争力的语 - 多智能体协同感知的注意力特征融合
本研究提出了一种基于注意力机制的图形卷积网络作为中间的协作感知解决方案，通过该方法实现了信息聚合并提高了物体检测精度，同时减少了网络资源的使用，有效地解决了智能交通系统中的协作感知问题。
- 少样本增量式药丸识别
本文介绍了一种自动药丸识别系统，提出了一种基于深度学习的 few-shot 类增量药丸识别系统方法，该方法采用表示和分类器的分离学习策略，并提出了新的 Center-Triplet 损失函数和伪药丸图像构造策略，用于训练 Graph Att - 基于 BS-GAT 行为相似性的图注意力网络用于网络入侵检测
本研究提出了一种基于行为相似性图神经网络（BS-GAT）的算法，利用图注意力网络将边行为关系权重结合到图中，提高了网络入侵检测的性能。实验结果表明，该方法比现有解决方案更有效且具有优越性能。
- AAAI利用关系嵌入减少图神经网络中的过度平滑
本文提出了一种使用节点嵌入关系明确缓解图神经网络（GNNs）中超平滑问题的新方法。通过在真实数据集上进行试验，表明利用节点嵌入关系使得 GNN 模型如 Graph Attention Network 对超平滑的鲁棒性更强，并且在更深的 GN - SI-GAT: 改良图注意力网络方法用于声纳图像分类
本文提出了一种基于改进图形注意力网络 (SI-GAT) 的声纳分类方法，该方法可以在多种类型成像声纳中应用，并通过实际数据验证优于几种以欧几里得空间为基础的卷积神经网络方法。
- 针对动态场景的图注意力网络相机重定位
我们提出了基于图注意力网络的方法，利用场景三角网格表示来估计动态环境下的图像相机位置，通过三个组件（图神经网络、卷积神经网络和神经网络模型）的端到端训练，结合 RANSAC 算法和点云表示有效地提高了相机位置精度。
- 利用循环图网络学习点过程
利用点过程框架，我们提出了一种新颖的循环图网络方法来预测离散标记事件序列，其中图神经网络使用 LSTM 来合并过去的信息，而图注意力网络引入了强大的归纳偏置来捕捉来自不同事件类型的交互。实验结果表明，与基于 Transformers 的现有 - ViGAT: 基于分解图注意力网络的视频自底向上事件识别和解释
本文提出了一种纯自注意力自下而上的 ViGAT 方法，该方法将一个物体检测器和 Vision Transformer（ViT）骨架网络结合起来，以推导出视频中的物体和框架特征，然后通过一个头网络处理这些特征以完成事件识别和解释任务。
- FD-GATDR：一种使用 EHR 进行医生推荐的联邦去中心化学习图注意力网络
该论文提出了一种医生推荐系统，采用时间嵌入和异构图注意力网络，重建患者和医生之间的潜在连接，并基于最小化优化模型提出了联邦去中心化学习方法来解决患者数据共享的隐私问题。该基于图的推荐系统在 EHR 数据集上有效地提高了 AUC 达到 6.2 - 基于 GAT 的 CRF 的 Mean Field 推理
本研究提出一种改进的均值场推断算法，将信息传递操作从原始线性卷积改变为现有的图形注意力操作，并将推断算法的处理过程转化为 GAT 模型的前向过程，结合均值场推断的标签分布，等价于只有一元潜力的分类器输出。为此，我们提出了一种具有残差结构的图 - CVPROnePose：无 CAD 模型一次性物体姿态估计
本文提出了一种名为 OnePose 的新方法，可以在没有 CAD 模型的情况下对任意类别的物体进行物体姿态估计，利用视觉定位和图形注意力网络结合进行 2D 和 3D 特征匹配，结合基于特征的姿势跟踪器，可以实现对日常家用物品 6D 姿态的实 - ACLTIE: 基于拓扑信息增强的网络页面结构阅读理解
本文提出了一种基于网络页面拓扑信息的阅读理解模型 TIE，通过将令牌级任务转化为标签级任务，引入了两个步骤（即节点定位和答案细化），并整合了图形注意力网络和预训练语言模型，实验结果表明其性能优于强基线并达到了最新水平。
- 在社交网络上检测攻击性语言：基于图形注意网络的端到端检测方法
本文提出了一种基于社区结构和文本特征的端到端方法（CT-OLD）进行冒犯语言检测，其中社区结构特征被直接捕获，并使用 BERT 的最后隐藏层从文本中提取嵌入；同时，加入用户观点以表示用户特征，用户历史行为信息更适合用户意见表示。该模型的 F - EMNLP图注意力网络实现的对比文档表征学习
本文提出使用图注意力网络在可用的预训练 Transformer 模型之上来学习文档嵌入，并基于该模型设计简单的对比学习策略，在大量无标签语料库上预训练模型。经验证明，我们的方法在文档分类和文档检索任务中是有效的。
- EMNLP使用指导索赔的分层图注意网络在 Twitter 上检测谣言
本研究提出了一种称为单元引导层次图注意力网络的方法，利用社交上下文以增强响应帖子的表征学习，并在 Twitter 上展示了其优越的谣言检测能力。
- 可塑形体的内衣虚拟试穿模型
本文提出了一个在电子商务场景下紧迫需要的基于图形注意力网络 (SC-VTON) 的形状可控虚拟试衣网络，以更精确地虚拟试衣。 通过将控制点融入 SC-VTON 中，我们可以使用服装 / 模型对数据来帮助优化变形模块，并将任务推广到典型的虚拟 - NIPS自动驾驶车辆的多模态轨迹预测：基于语义地图与动态图注意力网络
本文研究自动驾驶汽车预测未来路障轨迹的问题，提出了一种基于动态图注意力网络的方法，针对交通规则、社交互动、多类交通运动等方面的挑战，能够使用单一模型对多模态轨迹进行概率预测，并经过多个数据集的验证，证明该方法具有实际应用潜力且优于现有技术。