그래프 어텐션 네트워크를 이용한 슈퍼픽셀 이미지 분류

본 논문은 그래프 신경망(GNN) 모델을 사용한 이미지 분류 방법론을 제시합니다. 입력 이미지를 영역 인접 그래프(RAGs)로 변환하며, 여기서 영역은 슈퍼픽셀(superpixels)이고, 간선은 이웃하는 슈퍼픽셀을 연결합니다. 실험 결과, 그래프 합성곱과 자기 주의 메커니즘(self-attention mechanisms)을 결합한 그래프 주의 네트워크(GATs)가 다른 GNN 모델보다 우수한 성능을 보임을 확인하였습니다. RAG 생성 과정에서 정보 손실이 발생하기 때문에 원시 이미지 분류기가 GATs보다 더 우수한 성능을 보이는 경우가 있지만, 본 연구 방법론은 직사각형 격자 구조를 벗어난 이미지, 예를 들어 360도 시야각 파노라마와 같은 딥러닝 연구에 흥미로운 방향성을 제시합니다. 현재 최신 기법들의 전통적인 합성곱 커널은 파노라마를 처리할 수 없으나, 적응된 슈퍼픽셀 알고리즘과 그 결과인 영역 인접 그래프는 위상 문제 없이 GNN에 자연스럽게 적용될 수 있습니다.