考虑了着色问题。
我有一个无序图（图像）的训练集，这些图的顶点和边的数量各不相同（分别对应颜色区域和它们之间的邻接关系）。
每个顶点（颜色、面积等）和每条边（共同边界的长度、颜色对比度等）都关联着一组固定的特征。
对于输入图（待着色的图像），训练好的模型应该为输入图的每个顶点（颜色区域）指定颜色。
经典的回归算法（如支持向量机、决策树等）接受固定大小的向量作为输入，并返回固定大小的向量。
是否有模型可以自然处理顶点/边的数量变化？
是否有方法可以调整固定结构模型（如马尔可夫随机场、因子图等）来处理这种特定情况？
回答：
这些论文中提出了基于图的模型：
