野外环境下的无监督物体发现与定位：基于部件匹配与自底向上区域提议

本文解决了从包含多类物体的噪声图像集合中无监督地发现并定位主导物体的问题。该问题的设定是完全无监督的，甚至无需图像级标注或对单一主导类别的任何假设。这比典型的共定位、共分割或弱监督定位任务更为通用。我们采用基于部件的区域匹配方法来解决发现与定位问题：使用现成的区域提议生成一组针对物体及其部件的候选边界框。这些区域通过概率 Hough 变换在图像间进行高效匹配，该变换结合外观和空间一致性评估每个候选对应关系的置信度。通过比较候选区域的得分并选出那些在包含它们的其他区域中脱颖而出的区域，从而实现主导物体的发现与定位。在标准基准上的大量实验评估表明，所提出的方法在共定位方面显著优于当前最先进水平，并在具有挑战性的混合类数据集中实现了鲁棒的物体发现。