GreedyViG: Dynamic Axial Graph Construction for Efficient Vision GNNs

本文介绍了一种新的计算机视觉探索方法——Vision graph neural networks (ViG)。ViG的一个主要瓶颈是用于图形构建的低效k-nearest neighbor (KNN)操作。为了解决这个问题，本文提出了一种新的ViG设计方法——Dynamic Axial Graph Construction (DAGC)，它比KNN更有效，因为它限制了在图像内考虑的图形连接数量。此外，本文提出了一种新的CNN-GNN架构——GreedyViG，它使用DAGC。广泛的实验表明，GreedyViG在图像分类、目标检测、实例分割和语义分割任务中的准确性、GMACs和参数方面都优于现有的ViG、CNN和ViT架构。最小的模型GreedyViG-S在ImageNet-1K上实现了81.1%的top-1准确率，比Vision GNN高2.9%，比Vision HyperGraph Neural Network (ViHGNN)高2.2%，并且GMACs更少，参数数量相似。最大的模型GreedyViG-B获得了83.9%的top-1准确率，比Vision GNN高0.2%，参数数量减少了66.6%，GMACs减少了69%。GreedyViG-B还获得了与ViHGNN相同的准确率，参数数量减少了67.3%，GMACs减少了71.3%。本文表明，混合CNN-GNN架构不仅为设计高效模型提供了一种新的途径，而且它们还能超过当前最先进的模型的性能。

本论文旨在解决视觉图神经网络中KNN操作效率低下的问题，提出了一种新的动态轴向图构建方法(DAGC)，并设计了一个新的CNN-GNN架构GreedyViG。

论文提出了一种新的图构建方法DAGC，其效率比KNN更高。同时，设计了一个新的CNN-GNN架构GreedyViG，在图像分类、目标检测、实例分割和语义分割等任务上超越了现有的ViG、CNN和ViT架构。

论文设计了一系列实验，使用了多个数据集，并开源了代码。最小的模型GreedyViG-S在ImageNet-1K上的top-1准确率为81.1%，比Vision GNN和ViHGNN高2.9%和2.2%，参数和GMACs更少。最大的模型GreedyViG-B在ImageNet-1K上的top-1准确率为83.9%，比Vision GNN高0.2%，参数和GMACs分别减少了66.6%和69%，与ViHGNN的准确率相同，参数和GMACs分别减少了67.3%和71.3%。

最近在这个领域中，还有一些相关的研究，如ViG、CNN和ViT等。