摘要

无监督语义分割（USS）旨在在没有任何标签的情况下发现并识别有意义的类别。为了实现成功的USS，需要具备两项关键能力：1）信息压缩和2）聚类能力。以往的方法依赖于特征降维来实现信息压缩，然而这种方法可能会阻碍聚类过程。在本文中，我们提出了一种新的USS框架，称为扩展量化无监督语义分割（Expand-and-Quantize Unsupervised Semantic Segmentation, EQUSS），该框架结合了高维空间对更好聚类的优势以及乘积量化对有效信息压缩的好处。我们的大量实验表明，EQUSS在三个标准基准上取得了最先进的结果。此外，我们还分析了USS特征的熵，这是从信息论角度理解USS的第一步。