MiCE：用于无监督图像聚类的对比专家混合模型
机器学习
2021-05-06 v1 计算机视觉与模式识别
摘要
我们提出对比专家混合模型（Mixture of Contrastive Experts, MiCE），这是一个统一的概率聚类框架，它同时利用了对比学习所学习到的判别性表示以及由潜在混合模型所捕捉的语义结构。受专家混合模型启发，MiCE采用门控函数根据潜在语义将无标签数据集划分为若干子集，并采用多个专家以对比学习的方式对分配给它们的不同实例子集进行判别。为解决由潜在变量引起的非平凡推断与学习问题，我们进一步为MiCE开发了可扩展的期望最大化（Expectation-Maximization, EM）算法变体，并给出了收敛性证明。在实验上，我们在四个广泛使用的自然图像数据集上评估了MiCE的聚类性能。MiCE取得了显著优于多种先前方法及一个强对比学习基线的结果。
引用
@article{arxiv.2105.01899,
title = {MiCE: Mixture of Contrastive Experts for Unsupervised Image Clustering},
author = {Tsung Wei Tsai and Chongxuan Li and Jun Zhu},
journal= {arXiv preprint arXiv:2105.01899},
year = {2021}
}
备注
International Conference on Learning Representations (ICLR) 2021