SPAR模型优化思路

SPAR 模型中类比推理逻辑存在的缺陷：

（1）图卷积过程训练过于复杂

（2）图卷积中，像素节点和类别节点是以特征相似度强弱构造邻接矩阵的，没有考虑到像素的空间关系。也许可以加入位置嵌入。

（3）邻居特征的传递过程是完全平均的，实际上应该考虑到不同相似度邻居贡献程度不一致的问题。

（4）噪声污染

1. 将图卷积替换为更灵活的 图注意力（GAT）或 Transformer-on-graph

GAT：Graph Attention Network

传统 GCN 用固定的邻接归一化权重（如）来“平均”邻居特征——所有邻居贡献相同（或仅由度数决定）。

GAT 为每条边分配不同的权重（可学习、输入自适应），从而更精准地聚合邻居。

GCN 更新节点的公式为：