CVPR 2025｜多模态图像生成！图结构×大模型强强联手！

主要观点总结

文章介绍了面向多模态属性图（MMAGs）的多模态大语言模型（MLLM）框架——GRAPHGPT-O。该框架解决了图规模爆炸、图的非欧几里得性质、模态层级依赖和推理顺序依赖等挑战。通过PPR采样机制、图结构线性化、分层图对齐器以及适应多种生成策略的推理机制等方法，GRAPHGPT-O在多个真实领域数据集上实现了显著优于现有基线模型的性能。

关键观点总结

关键观点1: GRAPHGPT-O的背景和重要性

随着图文数据常以图结构存在，包含节点关联等结构性信息，MLLMs难以直接利用此类信息。因此，需要一种能够处理这种结构数据的模型，GRAPHGPT-O应运而生。

关键观点2: GRAPHGPT-O的主要方法和创新点

GRAPHGPT-O通过PPR采样机制缓解图规模爆炸问题，通过图线性化和分层图对齐器解决图的非欧几里得性质并捕捉MMAG中的分层模态依赖关系，同时探讨了不同的生成策略来管理跨模态的推理依赖关系。

关键观点3: GRAPHGPT-O的实验结果和分析

GRAPHGPT-O在多个真实领域数据集上进行了实验，如ART500K、Amazon-Beauty等，并通过消融实验验证了其各组件的有效性。