本論文では、グラフニューラルネットワーク（GNN）モデルを用いた画像分類の手法を提案します。入力画像を領域隣接グラフ（Region Adjacency Graphs, RAGs）に変換し、ここで領域はスーパーピクセルであり、辺は隣接するスーパーピクセルを結びます。我々の実験結果は、グラフ畳み込みと自己注意機構を組み合わせたグラフアテンションネットワーク（Graph Attention Networks, GATs）が他のGNNモデルよりも優れた性能を示すことを示唆しています。ただし、RAG生成過程での情報損失により、生の画像分類器はGATsよりも高い性能を発揮します。それでも、我々の手法は矩形グリッド画像以外の深層学習に関する興味深い研究の道を開きます。例えば360度視野パノラマなどです。現在の最先端手法における従来の畳み込みカーネルはパノラマに対応できませんが、適応されたスーパーピクセルアルゴリズムとその結果得られる領域隣接グラフは自然にGNNに入力でき、トポロジー問題なく処理できます。