LayoutGKN：平面图的图相似性学习

平面图描绘了建筑布局，通常表示为图以捕捉潜在的空间关系。这些图的比较对于搜索、聚类和数据可视化等应用至关重要。最成功的图比较方法（即图匹配网络）依赖于代价高昂的中间跨图节点级交互，因此推理时间较慢。我们引入了LayoutGKN，一种更高效的方法，将跨图节点级交互推迟到联合嵌入架构的末端。我们通过使用可微图核作为最终学习到的节点级嵌入上的距离函数来实现这一点。我们表明，LayoutGKN计算的相似性与图匹配网络相当或更好，同时显著提高了速度。代码和数据已开源。