通过部分信息判别与跨层级交互学习聚类表示
计算机视觉与模式识别
2024-01-25 v1
摘要
在本文中，我们提出了一种新颖的深度图像聚类方法，称为 PICI，它在一个联合学习框架中实现了部分信息判别和跨层级交互。具体而言，我们利用 Transformer 编码器作为主干，通过它构建了具有两个并行增强视图的掩码图像建模。在通过 Transformer 编码器从掩码图像中导出类标记后，进一步引入了三个部分信息学习模块，包括用于通过掩码图像重建训练自编码器的 PISD 模块、用于采用两个层级对比学习的 PICD 模块，以及用于实例级和聚类级子空间之间相互交互的 CLI 模块。在六个真实世界图像数据集上进行了大量实验，证明了所提出的 PICI 方法优于最先进的深度聚类方法的卓越聚类性能。源代码可在 https://github.com/Regan-Zhang/PICI 获取。
引用
@article{arxiv.2401.13503,
title = {Learning Representations for Clustering via Partial Information Discrimination and Cross-Level Interaction},
author = {Hai-Xin Zhang and Dong Huang and Hua-Bao Ling and Guang-Yu Zhang and Wei-jun Sun and Zi-hao Wen},
journal= {arXiv preprint arXiv:2401.13503},
year = {2024}
}