CLASP：用于无监督逐图像分割的自适应谱聚类
计算机视觉与模式识别
2025-10-27 v2 人工智能
机器学习
摘要
我们引入了CLASP（基于自适应谱处理的聚类，Clustering via Adaptive Spectral Processing），这是一个用于无监督图像分割的轻量级框架，无需任何标注数据或微调即可运行。CLASP首先使用自监督ViT编码器提取逐图像块特征；然后，它构建亲和度矩阵并应用谱聚类。为避免手动调参，我们通过特征间隙轮廓搜索自动选择分割数目，并利用全连接DenseCRF锐化边界。尽管其简单且免训练的特性，CLASP在COCO Stuff和ADE20K上取得了具有竞争力的mIoU和像素精度，与近期无监督基线相匹配。零训练设计使CLASP成为大型未标注语料库的强大且易于复现的基线，这在数字广告和营销工作流中尤为常见，例如品牌安全筛查、创意资产策展和社交媒体内容审核。
引用
@article{arxiv.2509.25016,
title = {CLASP: Adaptive Spectral Clustering for Unsupervised Per-Image Segmentation},
author = {Max Curie and Paulo da Costa},
journal= {arXiv preprint arXiv:2509.25016},
year = {2025}
}