TGraphX：用于多维特征学习的张量感知图神经网络
计算机视觉与模式识别
2025-04-08 v1 人工智能
摘要
TGraphX 通过统一卷积神经网络（CNN）和图神经网络（GNN），为增强视觉推理任务提供了一种新范式。传统CNN在从图像中提取丰富的空间特征方面表现出色，但缺乏建模对象之间关系的内在能力。相反，传统GNN通常依赖于展平的节点特征，从而丢弃了至关重要的空间细节。TGraphX 通过采用CNN生成多维节点特征（例如（3*128*128）张量），保留局部空间语义。这些具备空间感知能力的节点参与图中进行消息传递，使用1*1卷积在保持结构的同时融合相邻特征。此外，采用带残差连接的深度CNN聚合器用于稳健地细化融合后的消息，确保梯度流的稳定性和端到端可训练性。我们的方法不仅填补了空间特征提取与关系推理之间的鸿沟，而且在目标检测细化和集成推理方面显示出显著的改进。
引用
@article{arxiv.2504.03953,
title = {TGraphX: Tensor-Aware Graph Neural Network for Multi-Dimensional Feature Learning},
author = {Arash Sajjadi and Mark Eramian},
journal= {arXiv preprint arXiv:2504.03953},
year = {2025}
}
备注
Submitted to arXiv. Code repository: https://github.com/arashsajjadi/TGraphX ||| https://git.cs.usask.ca/arash/tgraphx