論文の概要: A Unified Framework for Interactive Visual Graph Matching via Attribute-Structure Synchronization
- arxiv url: http://arxiv.org/abs/2507.19750v1
- Date: Sat, 26 Jul 2025 02:47:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:56.158434
- Title: A Unified Framework for Interactive Visual Graph Matching via Attribute-Structure Synchronization
- Title（参考訳）: A Unified Framework for Interactive Visual Graph Matching via Attribute-Structure Synchronization (特集:情報ネットワーク)
- Authors: Yuhua Liu, Haoxuan Wang, Jiajia Kou, Ling Sun, Heyu Wang, Yongheng Wang, Yigang Wang, Jinchang Lic, Zhiguang Zhou,
- Abstract要約: インタラクティブなビジュアルグラフマッチングのための新しいフレームワークを提案する。
提案手法では,構造的特徴と属性的特徴を表現するために属性-構造同期法を開発した。
デザインされたインターフェイスでは、ユーザーは望む構造的およびセマンティックな特徴を持つ新しいターゲットグラフを指定できる。
- 参考スコア（独自算出の注目度）: 4.4315876561900165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In traditional graph retrieval tools, graph matching is commonly used to retrieve desired graphs from extensive graph datasets according to their structural similarities. However, in real applications, graph nodes have numerous attributes which also contain valuable information for evaluating similarities between graphs. Thus, to achieve superior graph matching results, it is crucial for graph retrieval tools to make full use of the attribute information in addition to structural information. We propose a novel framework for interactive visual graph matching. In the proposed framework, an attribute-structure synchronization method is developed for representing structural and attribute features in a unified embedding space based on Canonical Correlation Analysis (CCA). To support fast and interactive matching, \revise{our method} provides users with intuitive visual query interfaces for traversing, filtering and searching for the target graph in the embedding space conveniently. With the designed interfaces, the users can also specify a new target graph with desired structural and semantic features. Besides, evaluation views are designed for easy validation and interpretation of the matching results. Case studies and quantitative comparisons on real-world datasets have demonstrated the superiorities of our proposed framework in graph matching and large graph exploration.
- Abstract（参考訳）: 従来のグラフ検索ツールでは、グラフマッチングは、その構造的類似性に応じて、広範囲なグラフデータセットから所望のグラフを取得するために一般的に使用される。
しかし、実際のアプリケーションでは、グラフノードには多くの属性があり、グラフ間の類似性を評価する貴重な情報も含まれている。
したがって、優れたグラフマッチング結果を達成するためには、構造情報に加えて属性情報を完全に活用することが、グラフ検索ツールにとって重要である。
インタラクティブなビジュアルグラフマッチングのための新しいフレームワークを提案する。
提案フレームワークでは,CCA(Canonical correlation Analysis)に基づく統合埋め込み空間における構造的特徴と属性的特徴を表現する属性構造同期法を開発した。
高速かつインタラクティブなマッチングをサポートするために、 \revise{our method} は、埋め込み空間におけるターゲットグラフのトラバース、フィルタリング、検索のための直感的なビジュアルクエリインターフェースを提供する。
デザインされたインターフェイスでは、ユーザーは望む構造的およびセマンティックな特徴を持つ新しいターゲットグラフを指定できる。
さらに、評価ビューは、マッチング結果の検証と解釈を容易にするように設計されている。
実世界のデータセットにおけるケーススタディと定量的比較は,グラフマッチングと大規模グラフ探索において提案したフレームワークの優位性を実証した。
関連論文リスト
- From Features to Structure: Task-Aware Graph Construction for Relational and Tabular Learning with GNNs [6.0757501646966965]
タスク対応グラフ拡張のための統合フレームワークであるauGraphを紹介する。
auGraphは、属性をノードに選択的にプロモートすることで、ベースグラフ構造を強化する。
タスク関連構造信号を注入しながら、元のデータスキーマを保存する。
論文 参考訳（メタデータ） (2025-06-02T20:42:53Z) - RefChartQA: Grounding Visual Answer on Chart Images through Instruction Tuning [63.599057862999]
RefChartQAは、Chart Question Answering(ChartQA)とビジュアルグラウンドを統合した、新しいベンチマークである。
実験により,グラウンド化による空間認識を取り入れることで,応答精度が15%以上向上することが実証された。
論文 参考訳（メタデータ） (2025-03-29T15:50:08Z) - Revisiting Graph Neural Networks on Graph-level Tasks: Comprehensive Experiments, Analysis, and Improvements [54.006506479865344]
グラフレベルグラフニューラルネットワーク(GNN)のための統一評価フレームワークを提案する。
このフレームワークは、さまざまなデータセットにわたるGNNを評価するための標準化された設定を提供する。
また,表現性の向上と一般化機能を備えた新しいGNNモデルを提案する。
論文 参考訳（メタデータ） (2025-01-01T08:48:53Z) - RAGraph: A General Retrieval-Augmented Graph Learning Framework [35.25522856244149]
我々は、RAGraph(General Retrieval-Augmented Graph Learning)と呼ばれる新しいフレームワークを紹介する。
RAGraphは、一般的なグラフ基盤モデルに外部グラフデータを導入し、目に見えないシナリオにおけるモデルの一般化を改善する。
推論中、RAGraphは下流タスクにおける重要な類似性に基づいて、似たようなおもちゃのグラフを順応的に検索する。
論文 参考訳（メタデータ） (2024-10-31T12:05:21Z) - DGNN: Decoupled Graph Neural Networks with Structural Consistency
between Attribute and Graph Embedding Representations [62.04558318166396]
グラフニューラルネットワーク(GNN)は、複雑な構造を持つグラフ上での表現学習の堅牢性を示す。
ノードのより包括的な埋め込み表現を得るために、Decoupled Graph Neural Networks (DGNN)と呼ばれる新しいGNNフレームワークが導入された。
複数のグラフベンチマークデータセットを用いて、ノード分類タスクにおけるDGNNの優位性を検証した。
論文 参考訳（メタデータ） (2024-01-28T06:43:13Z) - Interactive Visual Pattern Search on Graph Data via Graph Representation
Learning [20.795511688640296]
視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。
高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。
また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
論文 参考訳（メタデータ） (2022-02-18T22:30:28Z) - GraphDCA -- a Framework for Node Distribution Comparison in Real and
Synthetic Graphs [72.51835626235368]
2つのグラフを比較するとき、ノード構造的特徴の分布は、グローバルグラフ統計よりも有益である、と我々は主張する。
本稿では,各ノード表現セットのアライメントに基づいてグラフ間の類似性を評価するフレームワークGraphDCAを提案する。
論文 参考訳（メタデータ） (2022-02-08T14:19:19Z) - Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。
提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。
すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文 参考訳（メタデータ） (2021-09-01T08:24:02Z) - Effective and Efficient Graph Learning for Multi-view Clustering [173.8313827799077]
マルチビュークラスタリングのための効率的かつ効率的なグラフ学習モデルを提案する。
本手法はテンソルシャッテンp-ノルムの最小化により異なるビューのグラフ間のビュー類似性を利用する。
提案アルゴリズムは時間経済であり,安定した結果を得るとともに,データサイズによく対応している。
論文 参考訳（メタデータ） (2021-08-15T13:14:28Z) - Homology-Preserving Multi-Scale Graph Skeletonization Using Mapper on
Graphs [5.86893539706548]
本稿では、トポロジカルデータ解析の一般的なツールであるmapper構築をグラフ視覚化に適用することを提案する。
我々は,グラフのホモロジー保存骨格を生成するモグ (mog) と呼ばれる,重み付けされた非方向グラフを対象とするマッパー構成のバリエーションを開発する。
我々は,このような骨格のインタラクティブな探索を可能にするソフトウェアツールを提供し,本手法の合成および実世界のデータに対する有効性を実証する。
論文 参考訳（メタデータ） (2018-04-03T19:18:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。