本研究提出了一种新的图增强纹理编码网络（GraphTEN），有效解决了纹理识别中的非局部上下文关系建模问题，显著提升了识别性能。

本研究提出了一种新颖的图对比学习算法EPAGCL，通过引入“错误传播率”指标来优化图增强过程。实验结果表明，该算法在多个数据集上表现优异。

该文综述图对比学习进展：CGIPool通过互信息保持图级依赖；GraphCL用图增强实现无监督表示；MCGC做多视图聚类；GraphSC以自对比加速收敛；adversarial-GCL用对抗增强减少冗余；HCL分层多尺度对比，在十二个数据集表现优异；GACN用GAN生成增强视图。