GCN结合Transformer炸场！性能暴涨74%，效率翻3倍

文章预览

最近发现了两篇效果很妙的GCN结合Transformer的最新工作，分享给大家： MP-GT： 通过结合GCN和Transformer方法来增强App使用预测的准确性，实现了74.02%的性能提升，且训练时间减少了79.47%。 MotionAGFormer： 结合GCNFormer和Transformer以捕捉复杂的局部关节关系，提高3D姿势估计的准确性。实验表明其参数减少了3/4，计算效率涨了3倍。 从技术细节来看（见下文），这种结合充分利用了GCN对图结构数据的处理能力以及Transformer在处理序列数据方面的优势，能非常有效地提升模型在多种任务上的表现。 因此这个策略在很多实际应用场景中非常好用，很多 GCN结合Transformer 的出色成果都能证明。我这次就从中挑选 9篇 最新的研究 供大家学习，帮助各位快速了解这个GNN领域的重要研究方向。 扫码 添加小享， 回复“ GCN结合 ”    免费获取 全部 论 文+代码合集 Enhancing App ………………………………