La journée sera rythmée par des exposés laissant une large place aux questions/discussions. Les exposés de 20 minutes seront suivis de 15 minutes de questions.
- 10h-10h35 : Yann Tirard-Gatel
- Deux nouvelles approches à la reconnaissance d’actions par réseaux de neurones sur graphe
- Dans le cadre de la reconnaissance d’actions par analyse de vidéos représentées par des graphes spatio-temporels, deux récentes approches seront présentées : une basée sur une analyse multi-échelle des données graphes (Multi-Scale Spatial Temporal Graph Convolutional Network for Skeleton-Based Action) et une autre approche basée sur une nouvelle modélisation temporelles des données (Temporal Graph Modeling for Skeleton-based Action Recognition).
- 10h35-11h10 : Clément Gledel
- Pré image de graphes par les normalizing flows
- 11h10-11h30
- Discussions
- 14h-14h35 : Stevan Stanovic
- Utilisation d’Ensemble Indépendant Maximal (MIS) dans le Pooling sur Graphes – Contributions et futurs projets.
- Dans cette présentation, trois axes seront présentés :
- l’utilisation des MIS sur sommets, sur arêtes et sur le Line Graph
- les améliorations encore possibles avec les MIS
- une architecture adaptative tenant compte de la variété de la taille des graphes dans les jeux de données.
- 14h35-15h10 : Jason Piquenot
- Grammaire des GNNs
- Nous proposons une nouvelle stratégie de conception de GNN. Cette stratégie s’appuie sur des grammaires algébriques, Context Free Grammar (CFG), générant le langage matriciel MATLANG. Elle nous permet de garantir à la fois le pouvoir d’expression du GNN, ses capacités de comptage des sous-structures et ses propriétés spectrales. En exemple de notre stratégie, nous avons conçu Grammatical Graph Neural Network G2N2, un GNN 3-WL capable de compter, au niveau des arêtes, des cycles de longueur inférieure ou égal à 6 et capable d’atteindre des filtres passe-bande. Les résultats expérimentaux de G2N2 sur les benchmarks de l’état de l’art sont prometteurs.