超越传统：GNN和Transformer结合的创新突破！

最新推荐文章于 2025-04-24 11:15:29 发布

Python_金钱豹

最新推荐文章于 2025-04-24 11:15:29 发布

阅读量1.1k

点赞数 13

文章标签： transformer 深度学习人工智能 1024程序员节知识图谱开源学习

本文链接：https://blog.csdn.net/Python_cocola/article/details/143238575

版权

近年来，图神经网络（GNN）和Transformer模型因其在处理复杂数据结构和序列依赖性方面的卓越表现而受到广泛关注。这种优势使得将GNN与Transformer结合成为图表示学习领域的一个新兴且充满潜力的研究方向。

通过结合这两种模型，我们不仅能够扩大模型的感受野，捕捉更复杂的图结构信息，还能强化信息传递机制，从而提高推荐系统的准确性。此外，这种结合还能简化模型结构，降低计算成本，并提升训练效率。

本文精心挑选了过去两年中顶级会议和期刊上发表的23种最新的GNN与Transformer结合的创新方案，与您分享。我们不仅总结了每种方法的核心思想和创新点，还整理了相关的模型和代码，供您学习和参考。这些资源将帮助您深入了解这一领域的最新进展，并启发您在图表示学习领域的研究和实践。

三篇论文详解

1、3DMOTFormer: Graph Transformer for Online 3D Multi-Object Tracking

方法

3DMOTFormer 是一种基于图变换器（Graph Transformer）的在线3D多目标跟踪（MOT）框架。该方法主要包含以下几个关键步骤：

图表示：使用图结构表示多目标跟踪问题，其中检测到的目标和已有的轨迹分别作为图中的节点。构建了三种图：检测图（用于更新检测特征）、轨迹图（用于模拟轨迹间的交互）和关联图（用于关联检测和轨迹）。
图变换器编码器：通过自注意力机制更新轨迹节点特征，模拟轨迹之间的关系。
边增强图变换器解码器：结合自注意力机制和跨注意力机制，处理新的检测并预测边特征，用于关联计算。
关联估计：使用解码器的最后一层输出的边特征，通过一个多层感知器（MLP）估计检测和轨迹之间的关联概率。
速度估计：使用检测特征通过MLP回归速度，用于预测下一帧中轨迹的位置。
损失函数：使用焦点损失（Focal Loss）作为关联损失和平滑L1损失作为速度损失。
全在线训练策略：模型在训练时以自回归的方式运行，使用累积的损失通过整个训练序列进行优化，模拟在线推理阶段的操作模式和数据分布。

创新点

3DMOTFormer的主要创新点包括：

基于图的跟踪框架：提出了一种新颖的基于图的3D MOT框架，使用变换器架构来处理关联问题。
边增强图变换器：引入了边增强图变换器，它是一种变体的变换器，可以处理稀疏图并考虑边特征进行注意力计算。
全在线训练策略：提出了一种新的全在线训练策略，包括自回归前向传播和顺序批量优化，以减少训练和推理之间的分布不匹配。
状态艺术性能：在nuScenes验证和测试集上实现了71.2%和68.2%的AMOTA，达到了几何基础方法中的最先进性能。
良好的泛化能力：训练的3DMOTFormer模型在不同的目标检测器上具有良好的泛化能力，可以灵活地部署相同的3DMOTFormer模型，而与目标检测器无关。
高效的实时性能：模型能够以54.7Hz的速率在Nvidia GeForce 2080Ti GPU上运行，适合实时应用，如自动驾驶汽车。
简化的跟踪更新操作：与需要复杂启发式算法解码网络输出的方法相比，3DMOTFormer使用动态二分图，需要更简单的跟踪更新操作来解码网络输出。
软关联特性：利用变换器的软关联特性，即使在二分图表示中有限的时间感受野内，也能够隐式地从过去帧中获取信息。

2、ARE MORE LAYERS BENEFICIAL TO GRAPH TRANSFORMERS?

方法

该论文研究了增加深度（层数）对图变换器（Graph Transformers）性能的影响，并提出了一个新的图变换器模型DeepGraph。主要方法包括：

全局注意力机制：在图变换器中使用全局注意力机制，允许所有节点之间的信息传递，以学习图结构的长距离依赖性。
深度瓶颈分析：通过实验发现，当前的图变换器在增加深度时会遇到性能瓶颈，超过一定层数后性能会下降。
子结构注意力机制：DeepGraph模型通过引入子结构标记（substructure tokens）和在相关节点上应用局部注意力来增强对子结构的编码能力。
子结构采样：在每次编码时，从图中采样子结构，以确保计算的可行性并减少由于子结构密度不均而产生的偏差。
子结构标记编码：将子结构邻接矩阵直接编码为标记，使用基于排列的编码方法，并应用深度优先搜索（DFS）减少可能的排列组合。
局部注意力应用：在子结构标记和相应节点上应用局部注意力，通过掩码（mask）限制子结构标记只能关注相应节点。

创新点

子结构注意力机制：提出在图变换器中引入子结构级别的注意力机制，以解决随着深度增加全局注意力机制性能下降的问题。
子结构标记：明确地在编码表示中使用子结构标记，这有助于模型关注子结构特征并提高表达能力。
理论分析：提供了关于注意力容量随着深度变化的理论分析，证明了增加深度会导致注意力容量减小，从而限制了图变换器的性能。
深度归一化：使用深度归一化（deepnorm）方法来稳定深度变换器的训练过程。
子结构采样策略：提出了一种贪心采样算法，确保所采样的子结构尽可能均匀地覆盖每个节点。
排列不变编码：使用基于排列的编码方法来减少子结构的可能排列组合，从而降低了计算复杂度。

3、Cell Graph Transformer for Nuclei Classification

方法

该论文提出了一个基于细胞图的变换器（Cell Graph Transformer, CGT）框架，用于在组织病理学图像中对细胞核进行分类。主要方法包括：

细胞图构建：使用细胞核的中心坐标构建无向细胞图，其中节点代表细胞核，边代表相邻细胞之间的连接。
细胞图标记化（Cell Graph Tokenization, CGToken）：将细胞图转换为标准变换器可以处理的一组标记，同时保留图的拓扑结构信息。
变换器编码器：使用标准的变换器层对输入的节点和边标记进行编码，以输出细胞类型的预测。
拓扑感知预训练策略：使用图卷积网络（GCN）预训练特征提取器，以减少细胞图变换器的初始噪声并提高其表示能力。
训练和推理方案：在预训练特征提取器之后，与变换器编码器同步微调，使用交叉熵和焦点损失进行节点类别的分类。

创新点

细胞图变换器（CGT）：提出了一种新的基于变换器的框架，通过将节点和边作为输入标记，计算所有节点对之间的相关性，以更灵活地捕获长程上下文。
拓扑感知预训练：提出了一种新颖的预训练策略，利用GCN的局部消息传递机制来指导特征提取器的学习，从而在训练初期减少不合理的相关性，加快CGT框架的训练收敛。
细胞图标记化（CGToken）：开发了一种新的方法将细胞图转换为变换器可以处理的标记，通过链接标记和标记标记嵌入邻接信息。
状态艺术性能：在多个细胞核分类基准测试中，提出的方法显著优于现有的最先进方法，并实现了最先进的性能。
模型灵活性：CGT框架可以适应各种形式的分割/检测结果，使其成为一个灵活的模型，能够基于任何形式的二元分割或检测结果进行细胞类型的识别。
计算效率：尽管与现有的分割方法相比，CGT在参数数量、推理时间和模型大小上有所增加，但这些增加在实际应用中是可接受的，并且性能提升显著。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述