Hardy - GraphUserGroup

GUG 소식

안녕하세요 GUG 정이태입니다. 2026 1분기가 지나간지가 엊그제 같은데 벌써 2분기의 시작인 4월이 끝나가고 있네요. 연초에 세우셨던 계획들은 잘 수행하고 계시는지요. GUG 는 여러분들의 성원 덕분에 꾸준히 번창하고 있습니다. 지금 글을 작성하고 있는 26년 4월 27일 기준으로 857명의 구독자분들이 함께 해주고 계십니다. 늘 감사드립니다. 요새 바쁘다는 핑계로 GUG 신경을 못쓰고 있었는데,

25년 10월 1주차(2) 그래프 오마카세

1.광고 안녕하세요 정이태입니다.오랜만에 10월 23일 목요일 저녁에 GUG 온라인 세미나가 예정되어 있습니다. 카이스트 김재철AI대학원 신기정 교수님 연구실 소속 김선우 연구원님과 하이퍼 그래프 이론부터 응용까지 라는 주제로 진행할 예정이며, 저또한 모더레이터 겸 요새 GraphRAG 트랜드부터 왜 HyperGraphRAG가 나오고 있는지 산업계 관점에서 생각을 공유드릴 예정이오니 관심있는 분들은 참여하셔서 본인 연구나

25년 3월 4주차 그래프 오마카세

GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation https://arxiv.org/pdf/2502.01113 GFM-RAG 리뷰입니다. GraphRAG 개념이 익숙하신 분들이라면, 본 논문 컨셉을 이해하기에 수월하실거라 생각됩니다. GraphRAG의 초반부인 Knowledge graph 만드는 부분과 후반부 Retrieval 결과를 Prompt 에 넣어 Decoding 하는 것은 유사하나 가운데 retrieval 단계에서 GDBMS를 활용하는게 아닌, GNN을 이용한다는게

GraphOmakase

24년 6월 4주차 그래프 오마카세

A joint Graph and Image Convolution Network for Automatic Brain Tumor Segmentation BrainLes 2021 paper link official code Keywords Brain tumor segmentation, 3D supervoxel clustering, Graph representation learning, CNN refinement Summary * 이번에 소개해드릴 논문은 메디컬 이미징 뇌종양 분할 챌린지 (Brain tumor segmentation challenge, BRAT) 2021에 투고된 것으로, 저번에 소개해드린 Supervoxel-based

GraphOmakase

24년 6월 3주차 그래프 오마카세

Multi-class Brain Tumor Segmentation using Graph Attention Network paper link Keywords Graph Attention Network, Brain tumor segmentation, Supervoxel clustering Summary * 뇌 종양 분할 문제에서의 그래프 활용도 역시 많은 연구자들로부터 관심을 받고 있습니다. 종양 클래스 별 고유한 불규칙 형태, Curvature 등과 같은 기하학적 특징 정보들을 그래프로 인코딩하여 학습시켰을 때 인상적인 결과를

GraphOmakase

24년 6월 2주차 그래프 오마카세

안녕하세요 여러분! 이번주말에 기다리고 기다리던 GUG 세미나가 개최됩니다! 이번 세미나는 GraphRAG에 대한 관심이 커짐에따라, Graph의 품질과 연관성이 깊은 온톨로지를 메인 토픽으로 세미나가 진행됩니다. 추가로, Neo4j 를 활용한 DB 설계 그리고 Graph Generation Model 중 하나인 Diffusion model 계열의 트렌드에 대해 알아보며 실무와 학계 경계없는 알찬 주제들로 구성해보았습니다. 그래프에 대한 트렌드를

GraphOmakase

24년 6월 1주차 그래프 오마카세

Uncovering Implicit Mechanisms in Graph Contrastive Learning NIPS 2023 배지훈 paper link official code Keywords Graph Contrastive Learning (GCL), Implicit Regularization Mechanism, ContraNorm Summary * 위 저자들은 Visual domain에서 Graph Contrastive Learning (GCL)을 적용한 연구들 사이의 공통적 사실을 제시합니다. 그리고 다른 Visual Contrastive Learning (VCL)과 차별화된 GCL만의 특성을 폭넓게

GraphOmakase

24년 5월 5주차 그래프 오마카세

Co-Modality Graph Contrastive Learning for Imbalanced Node Classification NIPS 2022 배지훈 paper link official code Keywords Graph Contrastive Learning (GCL), Co-Modality Graph Contrastive Learning, Inter modality GCL * 비라벨 데이터로부터 생성된 인스턴스 쌍들을 대조하여더 나은 표현학습 모델을 훈련시키기 위한 목적의 대조 학습 (Contrastive learning) 방법들은 널리 잘 알려진 방법입니다. 꽤 최근

GraphOmakase

24년 5월 4주차 그래프 오마카세

Graph Structure from Point clouds : Geometric Attention is All You Need. NIPS 2022 배지훈 paper link official code Keywords Graph representation, Point cloud classification, Dynamic Neighborhood Learning, Geometric Attention The question of how to produce a graph structure in these problems is usually treated as a matter of heuristics, employing

GraphOmakase

24년 5월 3주차 그래프 오마카세

Inferring Point Cloud Quality via Graph Similarity TPAMI 2020 작성자 : 배지훈 link : https://arxiv.org/abs/1901.09993 Keywords Point cloud Quality Assessment, Human visual system (HVS), Graph Signal Processing (GSP), GraphSIM Summary * 인간의 시각 시스템 (Human Visual System, HVS) 기반 인지 과정 (Perception process)을 기반으로, 포인트 클라우드 품질

GraphOmakase

24년 5월 2주차 그래프 오마카세

A Generalized Neural Diffusion Framework on Graphs AAAI 2023 작성자 : 배지훈 paper link Keywords Generalized Graph Diffusion Process, High-order relationship, Monophily property Background * Graph Diffusion 논문들을 읽어보면, 중요하게 언급하고 있는 공통적인 사실은 그래프 학습 메커니즘과 확산 방정식 사이의 긴밀한 관계성이 존재한다는 것이며, 실제로 Message Passing을 기반으로 중심 노드의 정보 확산을

GraphOmakase

24년 5월 1주차 그래프 오마카세

Diffusion Improves Graph Learning Neurlips 2019 paper link official code Keywords Graph Convolution, Diffusion Process, Personalized PageRank Background * Spatial GNNs의 기본 학습 메커니즘으로 많이 활용되는 Message Passing은 인접 이웃들과의 관계만을 고려하여 중심 노드의 정보를 업데이트 하는 방식으로 진행됩니다. * 단순한 학습 메커니즘의 유용성과 달리 먼 거리의 노드 정보를 받아 오는 데에는