ワンショット画像セグメンテーションは、新たなクラスのセグメンテーションタスクを、たった1枚のトレーニング画像のみを用いて行うことを目的とする。この課題の難しさは、画像セグメンテーションが構造化されたデータ表現を持つことにある。その結果、多くのデータ要素間で複数対複数のメッセージ伝達問題が生じる。従来の手法は、サポートデータをグローバルな記述子に圧縮することで、この問題を一対多の問題に簡略化してきた。しかし、混合されたグローバル表現は個々の要素のデータ構造や情報を失ってしまう。本研究では、構造化されたセグメンテーションデータをグラフでモデル化し、アテンション付きグラフ推論を用いて、サポートデータからクエリデータへラベル情報を伝達する手法を提案する。グラフアテンション機構は、接続されたグラフノード間のアテンション重みを学習することで、構造化されたデータ間における要素対要素の対応関係を確立する。さらに、異なる意味論的レベルでの対応関係を捉えるために、画像領域の異なるサイズをグラフノードとしてモデル化するピラミッド型構造を導入し、各レベルでグラフ推論を実施する。PASCAL VOC 2012データセットにおける実験結果から、提案手法がベースライン手法を大きく上回り、1ショットおよび5ショットセグメンテーションベンチマークにおいて、新たな最先端の性能を達成することが示された。