摘要

在本文中，我们通过利用自监督特征上的谱聚类（spectral clustering）来解决无监督显著目标检测（SOD）这一具有挑战性的任务。我们的主要贡献如下：(i) 我们重新审视了谱聚类方法，并展示了其在对显著目标像素进行分组方面的潜力；(ii) 鉴于从多种自监督模型（例如 MoCov2、SwAV、DINO）计算的图像特征中应用多次谱聚类所生成的掩码提案，我们提出了一种简单但有效的“胜者全得”投票机制，该机制基于框架和独特性等对象先验知识选择显著掩码；(iii) 利用选定的对象分割作为伪真值掩码，我们训练了一个名为 SelfMask 的显著目标检测器，该检测器在三个无监督 SOD 基准测试中优于先前的方法。代码已公开发布在 https://github.com/NoelShin/selfmask。