用于无监督对象中心学习的层次化紧凑聚类注意力 (COCA)
计算机视觉与模式识别
2025-05-06 v1 机器学习
摘要
我们提出了紧凑聚类注意力 (COCA) 层，这是一个有效的构建模块，为对象中心表示学习引入了一种层次化策略，同时解决了单张图像上的无监督对象发现任务。COCA 是一个基于注意力的聚类模块，当级联到一个自底向上的层次化网络架构（称为 COCA-Net）中时，能够从多对象场景中提取对象中心表示。其核心是，COCA 利用一种新颖的聚类算法，该算法利用物理上的紧凑性概念来突出场景中不同的对象中心，提供了一种空间归纳偏置。得益于这一策略，COCA-Net 在其管线的解码器端，尤其是编码器端，都能生成高质量的分割掩码。此外，COCA-Net 不受其生成的对象掩码数量的预定限制，并且比其竞争对手更好地处理背景元素的分割。我们在六个广泛采用的数据集上展示了 COCA-Net 的分割性能，在九项不同的评估指标上取得了优于或媲美最先进模型的结果。
引用
@article{arxiv.2505.02071,
title = {Hierarchical Compact Clustering Attention (COCA) for Unsupervised Object-Centric Learning},
author = {Can Küçüksözen and Yücel Yemez},
journal= {arXiv preprint arXiv:2505.02071},
year = {2025}
}
备注
Accepted to CVPR 2025