提出图卷积注意力GCA用于图去噪与扩散

2026年10月15日，arXiv Artificial Intelligence 刊出研究，Shervin Khalafi 等作者提出图卷积注意力（GCA）。该工作从谱视角理解图去噪与扩散，指出标准注意力只能学到训练分布上平均的谱去噪滤波器，而 GCA 通过使用图滤波后的 query 和 key，使注意力分数依赖输入图的谱，从而突破这一局限。在合成与真实数据集上，用 GCA 替换标准 query-key 投影可提升图去噪与扩散效果，去噪增益与图谱多样性相关；在 DiGress 生成框架内以 GCA 架构替换 DiGress 架构，生成质量相当且推理显著更快。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 刚刚更新

还没有足够的连续观测数据，暂不绘制趋势。