Tag · 4 篇
图卷积网络
MedFG-VQA：面向轻量级医学视觉问答的低频记忆与图注意力
MedFG-VQA: Low-Frequency Memory and Graph Attention for Lightweight Medical VQA
把 DCT 低频特征与可学习记忆库结合、再用图卷积聚合精炼交叉注意力输出的做法，可直接迁移到其他视觉-语言对齐任务（如 captioning、grounding）中做轻量化的多模态融合模块。
Life-IQA：通过 GCN 增强的层间交互与基于 MoE 的特征解耦提升盲图像质量评价
Life-IQA: Boosting Blind Image Quality Assessment through GCN-enhanced Layer Interaction and MoE-based Feature Decoupling
用 GCN 增强的跨层交叉注意力替代普通 Transformer 解码器做质量特征解码，并用 MoE 按失真类型分专家解耦特征，这套「层间交互 + 专家解耦」的解码思路可迁移到其他需要融合骨干网络浅层与深层特征的回归/预测任务。
Gamba：面向动作识别的基于 Mamba 的动态图拓扑学习图卷积网络
Gamba: Mamba-based graph convolutional network with dynamic graph topology learning for action recognition
用 Mamba 状态空间模型替代自注意力来学习骨架序列的动态邻接矩阵，为视觉中需要建模长程关节/节点关系的时序任务提供了一种计算复杂度更低的图拓扑学习范式。
面向手语生成的语义一致引导焦点-全局扩散模型
Focal-General Diffusion Model with Semantic Consistent Guidance for Sign Language Production
两阶段去噪框架把局部关节级建模（自适应图卷积）与全局序列精修（Transformer）解耦，并用语义一致引导把文本语义监督注入扩散训练，这一「局部-全局分层去噪 + 语义引导」思路可迁移到人体姿态/动作序列生成等结构化输出任务。