arXiv · cs.AI· Shervin Khalafi, Igor Krawczuk, Sergio Rozada, Charilaos Kanatsoulis, Antonio G Marques, Alejandro Ribeiro·· 8 小时前
图卷积注意力：从谱视角理解图去噪与扩散
Graph Convolutional Attention: A Spectral Perspective on Graph Denoising and Diffusion
arXiv:2607.06546v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shervin Khalafi, Igor Krawczuk, Sergio Rozada, Charilaos Kanatsoulis, Antonio G Marques, Alejandro Ribeiro
研究任务与主要进展
基于论文摘要，作者提出图卷积注意力GCA，将注意力分数与输入图谱关联，以改善标准注意力在图谱变化时的去噪与扩散表现。摘要称，GCA使用图滤波的查询和键，在适当条件下匹配谱注意力的最优去噪损失，并在合成与真实数据集上改善去噪和扩散；在DiGress生成框架中替换其架构后，作者报告生成质量相近且推理显著加快。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org