该文综述了流形学习与图神经网络结合的研究，包括基于黎曼流形的阿尔茨海默病分析、半监督图像分类、测地线卷积网络和等变消息传递等框架，应用于形状分析、大脑成像与点云分类，提升了性能与效率。

该论文提出了一种在黎曼流形上进行等变消息传递的新框架，利用坐标无关的特征场表示数值特征，并通过优化特征空间的度量来最优地保留主丛的原始度量，从而得到与向量丛相关的等变扩散过程。