ViG-LRGC：具有可学习参数化图构建的视觉图神经网络

《Pattern Recognition Letters》：ViG-LRGC: Vision Graph Neural Networks with Learnable Reparameterized Graph Construction

　　

伊斯梅尔·埃尔沙尔卡维（Ismael Elsharkawi）|霍萨姆·沙拉拉（Hossam Sharara）|艾哈迈德·拉菲亚（Ahmed Rafea）

• •
  LRGC在ImageNet-1k数据集上的表现优于k-NN和基于相似性阈值的图构建方法。
• •
  关键查询注意力得分（Key-query attention scores）在边选择方面优于静态相似性得分（static similarity scores）。
• •
  需要通过超参数搜索（Nohyper-parameter search）来确定每层的学习阈值。
• •
  ViG-LRGC在训练过程中会删除图像图中不必要的边。