基于参考的类别发现:具有类别感知的无监督目标检测
计算机视觉与模式识别
2026-05-07 v1 人工智能
摘要
传统的单样本检测方法解决了目标检测中的闭集问题,但数据标注的高成本仍然是一个关键挑战。一般的无监督方法生成没有类别标签的伪框,因此无法实现类别感知的分类。为了克服这些限制,我们提出了基于参考的类别发现,这是一种无需任何人工标注标签即可实现类别感知检测的无监督检测器。它利用预测目标与无标签参考图像之间的特征相似性。与以往缺乏类别指导的无监督方法和需要标注数据的单样本方法不同,RefCD 引入了精心设计的特征相似性损失,以显式指导潜在类别特定特征的学习。此外,RefCD 支持无参考图像的类别无关检测,作为一个统一框架。对类别感知和类别无关检测结果的全面定量和定性分析证明了其有效性,并且 RefCD 能够在没有类别标签的情况下以无监督范式学习类别信息。
引用
@article{arxiv.2605.04606,
title = {Reference-based Category Discovery: Unsupervised Object Detection with Category Awareness},
author = {Yichen Li and Qiankun Liu and Ying Fu},
journal= {arXiv preprint arXiv:2605.04606},
year = {2026}
}
备注
23 pages 12 figures