Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AdaptViG: Adaptive Vision GNN with Exponential Decay Gating

Created by
  • Haebom
Category
Empty

저자

Mustafa Munir, Md Mostafijur Rahman, Radu Marculescu

개요

Vision Graph Neural Networks (ViGs)의 계산 복잡성 문제를 해결하기 위해, AdaptViG를 제안. AdaptViG는 Adaptive Graph Convolution이라는 새로운 그래프 구성 메커니즘을 도입하여 효율성을 높임. Exponential Decay Gating을 활용한 동적, 내용 인식 게이팅 전략을 통해 장거리 연결을 선택적으로 가중치를 부여하며, 초기 단계에서는 효율적인 게이팅 메커니즘을 사용하고 마지막 단계에서는 전체 Global Attention 블록을 사용하여 특징을 집약하는 하이브리드 전략을 채택. AdaptViG-M은 ViG-B보다 정확도는 높으면서, 파라미터 수와 GMACs는 훨씬 적음. AdaptViG-M은 다운스트림 작업에서도 더 큰 EfficientFormer-L7보다 우수한 성능을 보임.

시사점, 한계점

•
시사점:
◦
ViGs의 계산 효율성 문제를 해결하기 위한 새로운 접근 방식 제시.
◦
Adaptive Graph Convolution을 활용한 효율적인 그래프 구성 메커니즘 제안.
◦
Exponential Decay Gating을 통한 동적 연결 가중치 부여 방식 도입.
◦
하이브리드 전략을 통해 정확성과 효율성의 균형을 달성.
◦
다양한 벤치마크에서 기존 SOTA 모델을 능가하는 성능 입증.
•
한계점:
◦
논문에 구체적인 한계점에 대한 언급은 없음. (논문 요약 정보에 한함)
👍
Made with Slashpage