本研究提出了一种名为LoFi的局部处理框架，利用多层感知器进行图像重建中的局部信息处理。LoFi在性能上与卷积神经网络相当，且内存消耗低，适合小数据集，展现出广泛的应用潜力。

该文综述多项图神经网络（GNN）研究：基于FiLM的GNN在分子图回归上优于基准；节点注意力柔性GNN自适应学习谱域；Neo-GNNs从邻接矩阵学习结构特征以预测链接；GNN用于网络定位，精度与鲁棒性优于基准；核图神经网络将图核融入消息传递，提升可解释性；GL-GNN学习关系图并选择重要特征；GNN结合终身学习实现连续学习；GraphLIME提供图数据局部可解释性；AKGNN以数据驱动核学习增强泛化与表达。