理解自监督特征以学习无监督实例分割
计算机视觉与模式识别
2023-11-27 v1
摘要
自监督学习（SSL）可用于在无人工标签情况下解决复杂视觉任务。自监督表示编码了关于图像的有用语义信息，因此已被用于无监督语义分割等任务。本文中，我们研究用于无人工标注实例分割的自监督表示。我们发现不同 SSL 方法的实例感知程度各异。特别是，已知作为优秀语义描述子的 DINO 特征在分离实例的敏感性上落后于 MAE 特征。
引用
@article{arxiv.2311.14665,
title = {Understanding Self-Supervised Features for Learning Unsupervised Instance Segmentation},
author = {Paul Engstler and Luke Melas-Kyriazi and Christian Rupprecht and Iro Laina},
journal= {arXiv preprint arXiv:2311.14665},
year = {2023}
}