这篇博客解析了ViG（Vision GNN）论文，介绍了一种通过将图像划分为16x16像素节点构建图的创新方法，用于跨模态图匹配任务。论文展示了如何用GNN处理视觉数据，涉及的开源实现来自华为、中科院和北京大学。
论文：http://arxiv.org/abs/2206.00272
开源地址（即将开源）：
https://github.com/huawei-noah/CV-Backbones
https://gitee.com/mindspore/models
最近在看一些跨模态图匹配的工作，想找一些图构建的方法，今天恰好看到这篇ViG的工作，类似ViT 工作一样，可以将图像划分为patch，每16x16像素为一个Patch，也就是图数据中的一个节点，总共有196个节点，直接处理图像数据，很受吸引，这里分享了一个知乎的解读，便于自己理解。论文笔记（十六）Vision GNN: An Image is Worth Graph of Nodes 只使用GNN进行视觉任务 中科院华为北大22年6月论文 - 知乎
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
