使用上下文感知的位置编码装备草图补丁的图形化草图表征
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了一种通过上下文感知的位置编码来改进绘图顺序的图形素描表示学习方法,将绘图顺序嵌入到图节点中,并通过图卷积网络实现绘图顺序增强的素描表示,实验结果表明该方法显著提高了素描修复和可控素描合成。
图变换器(GTs)通过自注意力计算节点对,但忽略节点位置信息。为了解决这一限制,引入了一种创新且高效的框架,将位置编码(PEs)引入Transformer,生成一组可学习的位置编码,存在于非欧几里德域中的双曲空间。通过这种方法,可以探索用于特定下游任务的PEs的多种选择选项,利用双曲神经网络或双曲图卷积网络。此外,重新使用这些位置编码来减轻深层图神经网络(GNNs)中的过度平滑的影响。实验证实了双曲位置编码在提高深层GNN性能方面的有效性。