深度分析 圖卷積注意力 (GCA) 與光譜注意力：提升圖去噪與圖擴散模型效能的新方法 圖去噪是圖學習的基礎問題，本文提出光譜注意力與圖卷積注意力（GCA）作為對線性注意力的改進，利用圖的頻譜資訊進行更精確的去噪與擴散。實驗顯示在合成與真實資料上，GCA 可顯著提升去噪效果，且在DiGress中移除昂貴的特徵計算仍保持競爭力。研究者認為此方法將推動圖生成模型的效率與可擴展性。
