【UnSAM】

文章预览

《Segment Anything without Supervision》这篇论文介绍了一种名为Unsupervised SAM（UnSAM）的方法，用于实现无需人工标注的图像分割。该方法采用分而治之的策略来“发现”视觉场景的层次结构。首先，使用自顶向下的聚类方法将未标注的图像分割成实例/语义级别的片段。然后，对每个片段内的所有像素，使用自底向上的聚类方法迭代地将它们合并成更大的组，从而形成层次结构。这些无监督的多粒度掩码随后被用来监督模型训练。在七个流行的数据集上评估后，UnSAM在与监督的SAM模型竞争时取得了有竞争力的结果，并且在无监督分割方面超过了先前的最先进水平，以11%的AR（区域召回率）优势领先。此外，该论文还展示了监督的SAM模型也可以从这些自监督的标签中受益。通过将UnSAM的自监督伪掩码与SA-1B的地面真实掩码结合，并仅使用1%的SA-1B数据训练UnSAM， ………………………………