新综述提出“视觉遇见图”：把图的图像当作推理与学习的一等输入
论文系统梳理将图的可视化形式用于图推理与图学习的已有工作，分三条主线，并提出构建像科学家一样“看图”的基础模型路径。
AI解读：图神经网络处理图结构时通常只把图当作符号数据，但科学家理解图往往靠“看”——化学家看分子结构图，社会科学家看网络可视化。这篇综述把这种被忽视的方向命名为“视觉遇见图”（vision meets graphs），主张把图的图像本身当作模型输入，而不是只喂节点和边的坐标。它整理了三条研究线：让模型通过图的可视化做多步推理、用视觉特征补充消息传递机制的局限、以及在化学等有标准画图规范的领域同时做推理和学习。对研究者的实际意义是：如果你在做图数据任务，尤其是分子或社交网络相关，可以开始测试视觉编码器是否能给现有GNN带来额外信息——论文明确指出了消息传递的已知限制，但不声称视觉能取代图学习。目前这仍是综述而非实验结论，没有给出可复现的模型或效果数据，读者不应据此立即更换技术栈。
一篇由南京航空航天大学、中科院自动化所、牛津大学等机构研究者合作的综述论文《When Vision Meets Graphs: A Survey on Graph Reasoning and Learning》提出，现有图机器学习流程大多把图当作纯符号结构，很少利用图的视觉形式，而科学家其实经常通过视觉理解图——化学家读分子图，社会科学家看网络可视化。论文将这一领域命名为“vision meets graphs”，主张把图的可视化描绘作为推理和学习的一等输入。该论文被IJCAI Survey Track 2026接收，预印本于2026年9月3日提交至arXiv（编号2609.03816）。
三条研究主线：图推理、图学习与科学图
论文将现有工作分为三部分。“Vision for Graph Reasoning”研究模型如何利用图的可视化描绘理解结构并进行多步推理。“Vision for Graph Learning”探讨视觉特征如何补充或扩展现有图编码器，克服消息传递机制的已知局限。“Scientific Graphs”则聚焦有标准化描绘规范的领域——如化学——这种规范既支持推理也支持学习。作者指出，尽管图可视化已有数十年研究，大多数图学习管线仍不利用图的视觉形式，这一差距在视觉与视觉-语言模型强大的时代值得重新关注。
- 论文目标：厘清当前方法能做什么、不能做什么，并勾勒出构建能像科学家一样感知和推理图的“基础模型”的路径。
- 作者团队含Philip Torr（牛津大学）等；按arXiv学科分类，论文属社会与信息网络（cs.SI），同时涉及计算机视觉（cs.CV）与机器学习（cs.LG）。