컴퓨터 비전에서 그래프 신경망 및 그래프 트랜스포머에 관한 조사: 작업 지향적 관점

그래프 신경망(GNN)은 그래프 표현 학습에서 주목을 받고 있으며, 데이터 마이닝(예: 소셜 네트워크 분석 및 추천 시스템), 컴퓨터 비전(예: 객체 탐지 및 포인트 클라우드 학습), 자연어 처리(예: 관계 추출 및 시퀀스 학습) 등 다양한 분야에서 최첨단 성능을 크게 향상시켰습니다. 자연어 처리와 컴퓨터 비전 분야에서 트랜스포머가 등장하면서, 그래프 트랜스포머는 로컬 이웃 집계의 한계를 극복하고 엄격한 구조적 귀납 편향을 회피하기 위해 트랜스포머 아키텍처 내에 그래프 구조를 삽입합니다. 본 논문에서는 작업 지향적 관점에서 컴퓨터 비전 분야의 GNN과 그래프 트랜스포머에 대해 종합적인 리뷰를 제공합니다. 구체적으로, 입력 데이터의 형태에 따라 2D 자연 이미지, 비디오, 3D 데이터, 비전+언어, 그리고 의료 이미지의 다섯 가지 범주로 나누었습니다. 각 범주 안에서 다시 다양한 비전 작업에 따라 응용을 세분화합니다. 이러한 작업 지향 분류는 각 작업별로 서로 다른 GNN 기반 접근법이 어떻게 문제를 해결하며 성능이 어떤지 평가할 수 있게 합니다. 필수 기초 지식을 바탕으로, 우리는 작업의 정의와 도전 과제, 대표적인 접근법에 대한 심층적 소개, 그리고 통찰, 한계 및 향후 방향에 관한 논의를 제공합니다.