딥러닝 모델은 다양한 시각적 작업에서 놀라운 성능을 보이지만, 이미지 내 고유한 시각적 구조를 완전히 표현하지 못하고 공간, 위상, 의미 정보를 무시하는 한계가 있어요.
그래프 신경망은 이러한 측면을 해결하는 데 적합한 프레임워크를 제공하지만, 시각적 작업에 효과적으로 사용하기 위한 연구는 아직 초기 단계에 머물러 있어요.
본 연구는 3계층 GCN 아키텍처 내에서 현재 그래프 구성 기술을 체계적으로 비교하여 네트워크 구조가 성능에 미치는 영향을 입증하고, 그래프 활용에 앞서 중요한 방법론적 기여를 합니다.