AdaptViG：带指数衰减门控的自适应视觉图神经网络
计算机视觉与模式识别
2025-11-14 v1 人工智能
机器学习
摘要
视觉图神经网络（ViGs）为视觉架构的发展提供了新方向。虽然强大，但 ViGs 常因其图构建阶段而面临巨大的计算挑战，影响其效率。为此，我们提出了 AdaptViG，这是一种高效且功能强大的混合视觉图神经网络，引入了称为自适应图卷积的新颖图构建机制。该机制基于高度高效的静态轴向支架和称为指数衰减门控的动态、内容感知门控策略。该门控机制根据特征相似性 selectively 加权远程连接。此外，AdaptViG 采用混合策略，在早期阶段使用高效门控机制，在最终阶段使用完整的全局注意力块以实现最大特征聚合。我们的方法在视觉图神经网络的准确率与效率之间实现了新的最佳权衡平衡。例如，AdaptViG-M 在 top-1 准确率上达到 82.6%，相较于 ViG-B 提升 0.3%，但仅使用 80% 的参数和 84% 的 GMACs。在下游任务上，AdaptViG-M 获取 45.8 mIoU、44.8 APbox 和 41.1 APmask，分别超过参数数量为 78% 的 EfficientFormer-L7 提升 0.7 mIoU、2.2 APbox 和 2.1 APmask。
引用
@article{arxiv.2511.09942,
title = {AdaptViG: Adaptive Vision GNN with Exponential Decay Gating},
author = {Mustafa Munir and Md Mostafijur Rahman and Radu Marculescu},
journal= {arXiv preprint arXiv:2511.09942},
year = {2025}
}
备注
Accepted in 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2026)