Place for sharing the trend and foundation graph technology
GraphOmakase
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
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
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
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
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
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
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
GraphOmakase
Simple Spectral Graph Convolution ICLR 2021 paper link official code Keywords Simple Graph Convolution, Markov Diffusion Kernel Background * GCN (kipf et al.)이 수많은 Graph Convolution 정의의 바탕이 되고 있으며, Variant networks의 발전이 빠르게 이루어지고 있는 사실은 다들 잘 아시고 계실 것입니다. * 기존 Spectral Graph Convolution 정의를 Approximation하여 Operation process를
GraphOmakase
[광고] 이번주 오마카세는 GUG 좋은 소식 그리고 다가올 GraphTalk 연사자 모집에 관해 간단한 광고로 시작하겠습니다. 1.[GUG 전용 챗봇 Graph Protocol 를 활용해보실분을 구합니다.] 작년에 이어 과기정통부 OpenUp에서 진행하는 커뮤니티 지원사업에 GUG가 2년연속 선정되었습니다. 모두 여러분들 덕이라 생각합니다. 엄격한 서류심사와 발표심사를 거치는 동안 강력하게 어필했던해올 해 계획 중 하나가 바로
GraphOmakase
Graph Convolutional Networks using Heat Kernel for Semi-supervised Learning 배지훈 IJCAI 2020 link : https://arxiv.org/abs/2007.16002 code : https://github.com/Eilene/GraphHeat Keywords Semi-supervised Learning, Spectral graph convolution, Graph Heat Kernel Background * 그래프 컨볼루션의 정의를 한번 다시금 생각해봅시다. 그래프 신호 처리(Graph Signal Processing, GSP)에서 파생된
GraphOmakase
Exploring the Devil in Graph Spectral Domain for 3D Point Cloud Attacks ECCV 2022 paper link official code Keywords Point Cloud Classification, Graph Signal Perturbation, Graph Fourier Transform Background * Graph Signal Processing (GSP)을 들어보신 적이 있으신가요? 최근 Graph domain에서 잘 활용되고 있진 않으나 Graph Spectral Theorem으로부터 Graph Convolutional Networks(
GraphOmakase
기다려주셔서 감사합니다. 다시 한 번 같이 한 번 Graph와 생물에 관련된 논문을 읽어보아요. 김지원 Graph Structured Neural Network는 생물학적 자극에 대한 변화를 모델링 하기에 적합하다. 단백질 및 분자 요소들이 생물학적 경로와 유전자 발현 메커니즘을 시간과 공간적 배경에서 조절을 하는 현상을 의미한다. 이미지를 다루는 CNN는 서로 가까운 픽셀들을 aggregation와 같은 방식으로