什么是谱域？结合《几何深度学习：超越欧几里得数据》解读其应用

嘿，结合你提到的《几何深度学习：超越欧几里得数据》里的内容，我来给你掰扯清楚这个概念：

在图信号处理和图卷积神经网络（CNN）的语境里，谱域是依托图的拉普拉斯矩阵特征分解构建的一种变换域——简单来说，我们把图上的节点信号（比如每个节点的特征值）从原本的「节点域」（直接对应每个节点的特征），转换到由拉普拉斯矩阵的特征向量所张成的空间中，这个转换后的空间就是谱域。

论文里也明确了它的核心应用场景：

此前综述过的图信号处理方法可应用于该场景，尤其是用于定义一种与谱域卷积类似的操作
图上卷积神经网络（CNNs）的首个表述由Bruna等人提出，他们采用了谱域卷积的定义

这里得提个关键差异：传统欧几里得数据（比如图像）的谱域是傅里叶变换后的频率域，因为图像是规则网格，天生有平移不变性；但图是不规则的非欧结构，没有统一的平移操作，所以只能靠图拉普拉斯的特征分解来定义谱域，以此为基础实现图上的卷积操作——这也是早期谱域图CNN的核心思路。

内容的提问来源于stack exchange，提问作者chris