ViCE：通过超像素化和对比聚类分配改进密集表示学习

近期的自监督模型已展现出与监督方法相当或更优的性能，为人工智能系统从几乎无限的数据中学习视觉表示开辟了道路。然而，这些方法通常基于分类，因此对于学习保留精确空间信息的高分辨率特征图效果不佳。本工作引入超像素来改进密集、语义丰富的视觉概念嵌入的自监督学习。将图像分解为一小组视觉上连贯的区域，在保留细节的同时，将计算复杂度降低了$\mathcal{O}(1000)$。我们通过实验证明，在区域上进行对比能提高对比学习方法的有效性，将其适用范围扩展到高分辨率图像，改善过聚类性能，超像素优于网格，并且区域掩码能提升性能。我们密集嵌入的表达能力通过提升Cityscapes上无监督语义分割的SOTA基准，以及COCO上卷积模型的性能得到了证明。