Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Dynamic filters in graph convolutional network

3,129 views

Published on

Summary of https://arxiv.org/abs/1706.05206

Published in: Science
  • Be the first to comment

Dynamic filters in graph convolutional network

  1. 1. Dynamic Filters in Graph Convolutional Networks, Verma,+, '17 2017年9月13日 @shima_x
  2. 2. Agenda 概要 モチベーション 手法 実験/結果 コメント
  3. 3. 概要 local filteringアプローチによる動的なGCNの提案 3D shape correspondanceタスクでSoTA
  4. 4. 貢献 柔軟なGCの提案 不規則な構造に対するlocal graph convolutionを可能にした 畳み込み層のフィルタの考えを再構成することで対応 3D shape correspondenceでSoTAな性能のモデル構築
  5. 5. モチベーション 複雑なグラフ構造に柔軟に対応できるGCを考案したい 特に3次元の点群データ
  6. 6. 手法 weightとデータ点の対応 左の手法だと構造(隣接ノード数)が固定される 右の手法だと固定しなくてもよい
  7. 7. Convolution層の再構成 E: out channel D: in channel F: filter w,h: width, height
  8. 8. ネットワークイメージ
  9. 9. Convolution層の再構成 y = b + q (x ,x )W x q (x ,x ) ∝ exp(u x +v x + c ) q (x ,x ) = 1, q (x ,x ) = = 1 q (x ,x ): x ,x 間へのweightの割り当て ∣N ∣: ノードiの隣接ノードの数+1﴾ノードiを含むので﴿ M: Weight matrixの数(Mを小さくすればパラメタ数を小さく出来る) i m=1 ∑ M ∣N ∣i 1 j∈Ni ∑ m i j m j m i j m T i m T j m m=1 ∑ M m i j j∈Ni ∑ ∣N ∣i 1 m=1 ∑ M m i j j∈Ni ∑ ∣N ∣i 1 m i j i j i
  10. 10. Convolution層の再構成 次の条件を付けていることにより、次数によって影響を受けない q (x ,x ) = = 1 次については実装上はMLPでよい q (x ,x ) ∝ exp(u x +v x + c ) 次の条件にすれば普通のグリッドグラフの計算も可能 ∀ ∣N ∣ = M, q (x ,x ) ∈ {0, 1} j∈Ni ∑ ∣N ∣i 1 m=1 ∑ M m i j j∈Ni ∑ ∣N ∣i 1 m i j m T i m T j m i i m i j
  11. 11. グリッドグラフのイメージ
  12. 12. 特殊なケース 入力に空間座標を含む場合 u = −v q (x ,x ) ∝ exp(u (x −x ) + c ) 入力空間の距離にマンハッタン距離を仮定 グリッドグラフに適用 普通の畳み込み層の式が使える 詳細省略 m m m ij i j m T j i m
  13. 13. 実験 データセット MNIST Cora, PubMed FAUST
  14. 14. 実験結果 MNIST M=9で計算 提案手法の精度が低いのはPooling層がないため(らしい...)
  15. 15. 実験結果 Cora and PubMed M=1 to 32で実験 validationセットでの結果からM=1を使用
  16. 16. 実験結果 FAUST 10 shapes in 10 different poses each﴾=100meshes﴿ 6,890 vertices each features: 3D XYG vertex or SHOT﴾SHIFTみたいな特徴点﴿ M=9
  17. 17. 実験結果 FAUST
  18. 18. 実験結果 FAUST﴾class推定﴿

×