SiamMM：深度无监督学习的混合模型视角
机器学习
2025-11-10 v1 计算机视觉与模式识别
摘要
最近的研究表明，基于聚类的方法在自监督和无监督学习方面效果显著。然而，聚类的应用往往是启发式的，最佳方法仍不明确。本文通过该框架建立了这些无监督聚类方法与统计学中经典混合模型之间的联系。通过这一框架，我们对这些聚类方法实现了显著的改进，导致开发了一种新型模型，称为SiamMM。我们的方法在各种自监督学习基准上实现了最先进的性能。对所学聚类结果的检查 reveals，这些聚类与未见的真实标签高度相似，揭示了潜在的误标实例。
引用
@article{arxiv.2511.05462,
title = {SiamMM: A Mixture Model Perspective on Deep Unsupervised Learning},
author = {Xiaodong Wang and Jing Huang and Kevin J Liang},
journal= {arXiv preprint arXiv:2511.05462},
year = {2025}
}