图像记忆性模型在噪声下会反向打分，GraphMem改用图像间相似关系后与人类判断最接近
在LaMem图像上加入逐级高斯噪声后，ResMem、ViTMem、AMNet等主流图像记忆性模型对原本易记的图像给出更低的记忆性估计，对原本难记的图像反而给出更高估计，呈现类似随机共振的反向模式；而88名参与者的连续再认任务显示，易记图像对噪声更耐受，难记图像明显下降。研究者据此构建GraphMem，从图像在相似性图中的邻域而非单张图像特征估计记忆性，在噪声与模糊条件下与人类数据的斯皮尔曼相关最高，噪声训练后其斜率效应为ρ=0.57（95%自助置信区间[0.29,0.75]），是唯一转为正值的模型。