PA-GM：用于深度图匹配嵌入网络的位置感知学习
计算机视觉与模式识别
2023-01-06 v1 机器学习
摘要
图匹配可被形式化为组合优化问题，其中节点对之间的对应关系可表示为边。当由于具有高相似度的节点与边而存在潜在歧义时，该问题变得具有挑战性，且需要为相似内容匹配找到准确结果。本文中，我们引入一种新颖的端到端神经网络，可将线性分配问题映射至增强了节点级相对位置信息的高维空间，这对于提升方法在相似内容匹配上的性能至关重要。我们的模型为节点相对位置构建锚点集，随后基于相对位置度量聚合目标节点与各锚节点的特征信息。接着它通过整合拓扑结构与相对位置信息来学习节点特征表示，从而实现两图间的线性分配。为验证方法的有效性与泛化性，我们在不同真实数据集上进行了图匹配实验，包括跨类别匹配。与不同基线的比较展示了我们方法的优越性。我们的源代码发布于 https://github.com/anonymous。
引用
@article{arxiv.2301.01932,
title = {PA-GM: Position-Aware Learning of Embedding Networks for Deep Graph Matching},
author = {Dongdong Chen and Yuxing Dai and Lichi Zhang and Zhihong Zhang},
journal= {arXiv preprint arXiv:2301.01932},
year = {2023}
}
备注
for dataset link, see https://www.di.ens.fr/willow/research/graphlearning/