論文の概要: Empowering Heterogeneous Graph Foundation Models via Decoupled Relation Alignment

• arxiv url: http://arxiv.org/abs/2605.00731v1
• Date: Fri, 01 May 2026 15:31:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.998073
• Title: Empowering Heterogeneous Graph Foundation Models via Decoupled Relation Alignment
• Title（参考訳）: 疎結合関係アライメントによる不均一グラフ基礎モデルの強化
• Authors: Ziyu Zheng, Yaming Yang, Zhe Wang, Ziyu Guan, Wei Zhao,
• Abstract要約: Decoupled Relation Subspace Alignment (DRSA)は、新しいプラグアンドプレイ関係駆動フレームワークである。 特徴的意味論を関係構造から切り離すことによってパラダイムを根本的にシフトさせる。 ユニバーサルプリプロセッシングモジュールとしてシームレスに統合することができる。
• 参考スコア（独自算出の注目度）: 20.128308877213044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Graph Foundation Models (GFMs) have achieved remarkable success in homogeneous graphs, extending them to multi-domain heterogeneous graphs (MDHGs) remains a formidable challenge due to cross-type feature shifts and intra-domain relation gaps. Existing global feature alignment methods (PCA or SVD) enforce a shared feature space blindly, which distorts type-specific semantics and disrupts original topologies, inevitably leading to "Type Collapse" and "Relation Confusion". To address these fundamental limitations, we propose Decoupled relation Subspace Alignment (DRSA), a novel, plug-and-play relation-driven alignment framework. DRSA fundamentally shifts the paradigm by decoupling feature semantics from relation structures. Specifically, it introduces a dual-relation subspace projection mechanism to coordinate cross-type interactions within a shared low-rank relation subspace explicitly. Furthermore, a feature-structure decoupled representation is designed to decompose aligned features into a semantic projection component and a structural residual term, adaptively absorbing intra-domain variations. Optimized via a stable alternating minimization strategy based on Block Coordinate Descent, DRSA constructs a well-calibrated, structure-aware latent space. Extensive experiments on multiple real-world benchmark datasets demonstrate that DRSA can be seamlessly integrated as a universal preprocessing module, significantly and consistently enhancing the cross-domain and few-shot knowledge transfer capabilities of state-of-the-art GFMs. The code is available at: https://github.com/zhengziyu77/DSRA.
• Abstract（参考訳）: グラフ基礎モデル(GFMs)は同質グラフにおいて顕著な成功を収めているが、多領域不均質グラフ(MDHGs)に拡張することは、クロスタイプの特徴シフトとドメイン内関係のギャップのため、依然として困難な課題である。 既存のグローバル機能アライメントメソッド(PCAまたはSVD)は、型固有のセマンティクスを歪め、元のトポロジを乱し、必然的に「タイプ崩壊」や「リレーション融合」につながるような共有機能空間を盲目的に強制する。 これらの基本的制約に対処するため、我々は、新しいプラグ・アンド・プレイ関係駆動アライメントフレームワークであるDecoupled Relation Subspace Alignment (DRSA)を提案する。 DRSAは、特徴的意味論を関係構造から切り離すことによって、パラダイムを根本的にシフトさせる。 具体的には、共有低ランク関係部分空間内のクロスタイプ相互作用を明示的にコーディネートする双対関係部分空間射影機構を導入する。 さらに、アライメントされた特徴を意味的射影成分と構造的残留項に分解し、ドメイン内変動を適応的に吸収する特徴構造分離表現を設計する。 DRSAはBlock Coordinate Descentに基づく安定な交代最小化戦略により最適化され、よく校正された構造対応の潜在空間を構築する。 複数の実世界のベンチマークデータセットに対する大規模な実験は、DRSAを普遍的な前処理モジュールとしてシームレスに統合できることを示し、最先端のGFMのクロスドメインおよび少数ショットの知識伝達能力を著しく、一貫して拡張している。 コードは、https://github.com/zhengziyu77/DSRA.comで入手できる。

関連論文リスト

• Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
  本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。 ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。 HERLは最先端のアプローチよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-18T10:50:46Z)
• DSBD: Dual-Aligned Structural Basis Distillation for Graph Domain Adaptation [28.666612808886736]
  グラフドメイン適応(GDA)は、分散シフトの下でラベル付きソースグラフからラベルなしターゲットグラフに知識を転送することを目的としている。 既存の手法は、主に特徴中心であり、構造的な相違を見落としており、大きなトポロジーシフトの下では特に有害となる。 本稿では,ドメイン間構造変化を明示的にモデル化し適応する新しいフレームワークであるGDAのためのDual-Aligned Structure Basis Distillation (DSBD)を提案する。
  論文  参考訳（メタデータ） (2026-04-03T16:23:59Z)
• CrossHGL: A Text-Free Foundation Model for Cross-Domain Heterogeneous Graph Learning [18.84875776859183]
  CrossHGLは、異種グラフを均質化し、相互作用セマンティクスをエッジ特徴にエンコードする意味保存変換戦略である。 Tri-Prompt機構を備えたプロンプト対応のマルチドメイン事前トレーニングフレームワークは、機能、エッジ、構造の観点から伝達可能な知識をキャプチャする。 ノードレベルのタスクとグラフレベルのタスクの実験は、CrossHGLが一貫して最先端のベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-29T13:17:15Z)
• GMapLatent: Geometric Mapping in Latent Space [51.317738404571514]
  エンコーダ-デコーダAIアーキテクチャに基づくドメイン間の生成モデルは、現実的な画像の生成に大きな注目を集めている。 幾何学的マッピングに基づく正準潜在空間表現を導入し、領域間潜在空間を厳密かつ正確に整列する。 グレースケールおよびカラー画像の実験は、GMapLatentの有効性、有効性および適用性を検証する。
  論文  参考訳（メタデータ） (2025-03-30T12:02:36Z)
• From Limited Labels to Open Domains:An Efficient Learning Method for Drone-view Geo-Localization [12.785100004522059]
  従来のドローンビュージオローカライゼーション(DVGL)手法は、ペア化されたトレーニングデータに大きく依存している。 DVGL法は、新しいペアデータを取得し、その後のモデル適応のための再訓練を必要とする。 本稿では,限られた監督力を有するクロスドメイン不変知識伝達ネットワーク(CDIKTNet)を提案する。
  論文  参考訳（メタデータ） (2025-03-10T16:46:43Z)
• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Relation Matters: Foreground-aware Graph-based Relational Reasoning for Domain Adaptive Object Detection [81.07378219410182]
  我々は、FGRR(Fearground-aware Graph-based Reasoning)というドメインDのための新しい汎用フレームワークを提案する。 FGRRはグラフ構造を検出パイプラインに組み込んで、ドメイン内およびドメイン間フォアグラウンドオブジェクト関係を明示的にモデル化する。 実験の結果、提案したFGRRは4つのDomainDベンチマークの最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-06T05:12:48Z)
• HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
  ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。 本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。 4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:27:50Z)
• Alleviating Human-level Shift : A Robust Domain Adaptation Method for Multi-person Pose Estimation [33.15192824888279]
  複数人物のポーズ推定のための新しい領域適応手法を提案する。 主な理由は、自然に、ポーズが典型的な位相構造を持ち、局所的なキーポイントにきめ細かい特徴を必要とするからである。 提案手法は3つのモジュールから構成される: クロス・アテンティブ・フィーチャーアライメント(CAFA)、ドメイン内構造アライメント(ISA)、ドメイン間ヒューマントポロジーアライメント(IHTA)。
  論文  参考訳（メタデータ） (2020-08-13T06:41:49Z)
• Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
  マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。 簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-07-17T07:52:44Z)

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。