文章总览 - 14
DBSCAN
DBSCAN

1
Image as Set of Points
Image as Set of Points

发表于ICLR2023,将图像视为一组无组织的点,并通过简化的聚类算法提取特征。具体地说,每个点都包括原始特征(如颜色)和位置信息(如坐标),并采用简化的聚类算法对深度特征进行分层分组和提取。

2
可微深度聚类
可微深度聚类

3
SparseViT
SparseViT

4
公式识别方法
公式识别方法

5
Contextrast:Contextual Contrastive Learning for Semantic Segmentation
Contextrast:Contextual Contrastive Learning for Semantic Segmentation

发表于CVPR2024,该论文面向语义分割任务中不准确的分割边界,提出了Contextrast,即设计了一个基于INfoNCE损失的新损失函数,以保证在不同尺度下的特征(不同类别的平均特征)的空间关系保持一致,还提出了基于边界引导的负样本挖掘方法,旨在提高负样本的质量。(代码未公布)

6
Deep Clustering for Unsupervised Learning of Visual Features
Deep Clustering for Unsupervised Learning of Visual Features

发表于CVPR2020,其提出了在线深度聚类的方法,即设计并维护了两个动态内存模块,即用于存储样本标签和特征的样本内存,以及用于质心进化的质心内存,将突然的全局聚类分解为稳定的内存更新和批量标签重新分配。

7
DivClust:Controlling Diversity in Deep Clustering
DivClust:Controlling Diversity in Deep Clustering

发表于CVPR2023,共识聚类是一种无监督的集成聚类方法,旨在通过多次重采样和聚类分析来评估聚类结果的稳定性,从而确定数据集中最优的聚类数目(k值)及其成员结构。该论文提出了DivClust,一种多样性控制损失,可以纳入现有的深度聚类框架,以产生具有所需多样性程度的多个聚类。

8
Learnable Subspace Clustering
Learnable Subspace Clustering

9
A Lightweight Clustering Framework for Unsupervised Semantic Segmentation
A Lightweight Clustering Framework for Unsupervised Semantic Segmentation

aixiv文章,面对无监督语义分割,使用多级聚类的方法来实现。

10