SimSAM：基于无监督图像分割的简单双塔表示语义关联矩阵
计算机视觉与模式识别
2024-06-13 v1
摘要
近期发展表明，无监督学习（SSL）有可能在无需注释的情况下学习数据表示。以非对比 SSL 方法（SimSiam）为灵感，我们引入一种新框架 SIMSAM 来计算语义关联矩阵（Semantic Affinity Matrix），该矩阵对于无监督图像分割至关重要。给定图像后，SIMSAM 首先使用预训练的 DINO-ViT 提取特征，然后以非对比方式将特征投影到预测稠密特征相关性的空间。我们展示了语义关联矩阵在对象分割和语义分割任务中的应用。我们的代码可在 https://github.com/chandagrover/SimSAM 获取。
引用
@article{arxiv.2406.07986,
title = {SimSAM: Simple Siamese Representations Based Semantic Affinity Matrix for Unsupervised Image Segmentation},
author = {Chanda Grover Kamra and Indra Deep Mastan and Nitin Kumar and Debayan Gupta},
journal= {arXiv preprint arXiv:2406.07986},
year = {2024}
}
备注
6 Pages-Main Paper , 6 figures, 6Tables (Main Paper), ICIP 2024, 8 Pages: Supplementary