Gramformer: 通过图模态变换器学习人群计数
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种名为 Gramformer 的图模块化 Transformer 方法,解决了传统 Transformer 在人群计数中存在的同质化关注问题,并通过引入注意图和中心性编码的方案,增强了网络的性能和竞争力。
Gophormer模型基于ego-graphs和transformer,解决了节点分类任务中的规模问题。通过邻域采样和proximity-enhanced attention机制,捕捉节点间的结构偏差。通过一致性规则和多样本推理策略稳定训练和测试。实验结果显示Gophormer超越了现有的图转换器和GNN,展示了图转换器的未来发展前景。