摘要

我们研究了物体部件的无监督发现与分割问题，作为中间局部表示，这些部件能够揭示物体的内在结构并提供更具解释性的识别结果。近年来，无监督方法在很大程度上减少了对昂贵标注数据的依赖，但仍需要额外的信息，如物体分割掩码或显著图。为了消除这种依赖并进一步提高部件分割性能，我们开发了一种新颖的方法，通过解耦物体部件的外观和形状表示，并在不使用额外物体掩码信息的情况下引入重建损失。为了避免退化解，设计了一个瓶颈模块来压缩和扩展外观表示，从而实现几何与外观之间更有效的解耦。结合自监督部件分类损失和改进的几何集中约束，我们可以分割出具有更多语义意义的一致性部件。广泛的实验表明，该方法在包括人脸、鸟类和PASCAL VOC对象在内的多种物体上均表现出有效性。