研究提出图卷积注意力GCA用于图去噪与扩散
热点事件持续更新
研究提出图卷积注意力GCA用于图去噪与扩散
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Shervin Khalafi等作者提出图卷积注意力（GCA），用图滤波后的 query 和 key 计算依赖输入图谱的谱注意力分数，以弥补标准注意力只能学到训练分布上平均谱去噪滤波的不足。 在合成与真实数据集上，用 GCA 替换标准 query-key 投影可提升图去噪与扩散效果，去噪增益与图谱多样性相关。在 DiGress 生成框架中以 GCA 架构替换 DiGress 架构，生成质量相当且推理显著更快。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
图卷积注意力 GCA：从谱视角理解图去噪与扩散报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI图卷积注意力 GCA：从谱视角理解图去噪与扩散
研究提出图卷积注意力（GCA），用图滤波后的 query 和 key 实现依赖输入图谱的谱注意力分数，弥补标准注意力只能学到训练分布上平均谱去噪滤波的不足。在合成与真实数据集上，用 GCA 替换标准 query-key 投影可提升图去噪与扩散效果，去噪增益与图谱多样性相关；在 DiGress 生成框架中以 GCA 架构替换 DiGress 架构，生成质量相当且推理显著更快。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。