研究进展arXiv AI / CL
图卷积注意力:从谱视角看图去噪与扩散

摘要
研究揭示了线性注意力在图去噪任务中的局限性,只能学习平均谱滤波器。为此提出谱注意力机制,利用输入图谱信息,理论上优于线性注意力。进一步实现图卷积注意力(GCA),通过图滤波查询和键实现谱去噪,并在随机块模型中证明其最优性。实验表明GCA在合成和真实数据集上持续提升去噪和扩散性能。
背景解释
图去噪是图学习和扩散模型的核心问题。注意力机制在图去噪中表现优异,但理论理解不足。该研究从谱角度分析,发现线性注意力存在根本局限,并提出了更优的谱注意力机制。这有助于改进图神经网络和扩散模型,提升处理噪声图数据的能力,对社交网络分析、分子生成等领域有潜在应用价值。
原文译文
以下为抓取到的原文内容译文,已统一为站内阅读格式。
这条新闻暂未保存可复现的原文正文,可以点击原文链接阅读。
来源地区
Global
热度分
76
分类
研究进展
语言
en
