Seeded iterative clustering for histology region identification
Uppsala University（乌普萨拉大学）；SciLifeLab（瑞典生命科学实验室）；Radboud University Medical Center（拉德堡德大学医学中心）
注释对于开发用于组织病理学的计算机视觉算法是必要的，但高分辨率的密集注释通常很耗时。用于分割的深度学习模型是缓解该过程的一种方法，但需要大量的训练数据、训练时间和计算能力。为了解决这些问题，我们提出了种子迭代聚类产生一个粗略的分割密集和整个幻灯片的水平。该算法使用预先计算的表示作为聚类空间，并使用有限数量的稀疏交互式注释作为种子来迭代分类图像块。我们获得了一种快速有效的方法来为整个幻灯片图像生成密集注释，并获得了一个框架，该框架允许在迁移学习的背景下比较神经网络的潜在表示。
2022-11-14 cs.AI cs.CV
Clustering by the way of atomic fission
College of Economics and Management, Nanjing University of Science and Technology（南京理工大学经济管理学院）
聚类分析是将相似的元素进行分组和分类的方法，广泛应用于各个研究领域。受原子裂变现象的启发，本文提出了一种新的基于密度的聚类算法-裂变聚类（FC）。该算法的核心是挖掘数据集的稠密族，并利用距离矩阵的信息将聚类数据集分裂成子集。当数据集的稠密簇族周围有少量的点时，利用K-近邻局部密度指标区分并去除稀疏区域的点，得到由稠密簇族构成的稠密子集。使用大量常用的数据集对该方法进行了性能测试，并与已有的聚类算法进行了比较。该算法在速度和精度上都优于其他算法。
2019-06-27 cs.CV cs.LG stat.ML
Efficient Dense Crowd Trajectory Prediction Via Dynamic Clustering
University of Glasgow（格拉斯哥大学）
本文提出一种基于聚类的方法，通过时间上相似属性分组提高密集人群轨迹预测效率，降低计算成本并保持准确性。
2026-10-09 cs.AI cs.CV
Salient Instance Segmentation via Subitizing and Clustering
Huazhong University of Science and Technology（华中科技大学）
显著区域检测的目标是识别图像中最吸引注意力的区域。许多方法在此任务上已经达到了最先进的性能水平。最近，显著实例分割已成为一个更具挑战性的任务比传统的显著区域检测，然而，现有的方法很少有集中在这个未充分探索的问题。与现有的方法，通常采用对象的建议，粗略地计数和定位对象的实例，我们的方法适用于显着的对象subitizing预测显着的实例分割的实例的准确数量。在本文中，我们提出了一个多任务密集连接神经网络（MDNN）分割图像中的显著实例。与现有的方法相比，我们的框架是无提案和类别独立的。MDNN包含两个并行分支：第一个是用于subitizing预测的密集连接subitizing网络（DSN）;第二个是用于显著区域检测的密集连接全卷积网络（DFCN）。MDNN同时输出显着图和显着对象subitizing。然后，一个自适应的基于深度特征的谱聚类操作分割的显着区域成实例的基础上subitizing和显着图。在显著区域检测和显著实例分割数据集上的实验结果表明，该框架具有令人满意的性能。值得注意的是，其APr@0.5和Apr@0.7在显著实例数据集中达到73.46%和60.14%，大大高于最先进算法所实现的结果。
2019-09-29 cs.CV
Masked Clustering Prediction for Unsupervised Point Cloud Pre-training
University of Pisa（比萨大学）；University of Trento（特伦托大学）；Shanghai Jiao Tong University（上海交通大学）；Peking University（北京大学）；Fondazione Bruno Kessler（布鲁诺·凯索尔基金会）
提出MaskClu，一种结合掩码点建模与聚类学习的3D点云无监督预训练方法，通过重建聚类分配与中心并引入全局对比学习，使ViTs学习更丰富的语义表示，在多项3D任务上取得竞争性结果。
2025-08-12 cs.CV
Object Discovery in Videos as Foreground Motion Clustering
University of Washington（华盛顿大学）；NVIDIA（英伟达）
我们认为，在视频中的对象发现提供密集的分割掩模的问题。我们制定的对象发现问题的前景运动聚类，其中的目标是集群的前景像素在视频到不同的对象。我们介绍了一种新的像素轨迹递归神经网络，它可以学习跨时间链接的前景像素轨迹的特征嵌入。通过使用学习的特征嵌入对像素轨迹进行聚类，我们的方法在视频帧中的前景对象掩模之间建立了对应关系。为了证明我们的目标发现框架的有效性，我们对常用的运动分割数据集进行了实验，在那里我们实现了最先进的性能。
2019-04-05 cs.CV
Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding
The Chinese University of Hong Kong（香港中文大学）；Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
为了弥合监督语义分割和获取一个模型来识别任意新概念的实际应用之间的差距，最近的zero-shot分割通过探索看不见的和看到的对象类别之间的关系而吸引了很多关注，但需要大量具有不同基类的密集注释数据。在本文中，我们提出了一个新的开放世界的语义分割管道，使第一次尝试学习分割语义对象的各种开放世界的类别，没有任何努力密集的注释，纯粹利用自然存在于互联网上的图像标题数据。我们的方法，视觉语言驱动的语义分割（ViL-Seg），采用图像和文本编码器为图像标题数据生成视觉和文本嵌入，具有两个核心组件，赋予其分割能力：首先，使用基于视觉的对比和跨模态对比联合训练图像编码器，这鼓励视觉嵌入保留对于分割任务至关重要的细粒度语义和高级类别信息。此外，在图像编码器上设计了一个在线聚类头，它允许动态地将视觉嵌入分割成不同的语义组，以便通过与各种文本嵌入进行比较来对它们进行分类，以完成我们的分割管道。实验表明，该方法不需要使用任何具有密集注释的数据，就能直接分割任意类别的对象，优于需要在三个基准数据集上进行数据标注的zero-shot分割方法。
2022-10-29 cs.CV
CMT-DeepLab: Clustering Mask Transformers for Panoptic Segmentation
Johns Hopkins University（约翰斯·霍普金斯大学）；KAIST（韩国科学技术院）；Google Research（谷歌研究院）
我们提出了聚类掩码Transformer（CMT-DeepLab），这是一个基于transformer的框架，用于围绕聚类设计的全景分割。它重新考虑了分割和检测中使用的现有Transformer架构; CMT-DeepLab将对象查询视为聚类中心，在应用于分割时，这些聚类中心填补了对像素进行分组的角色。聚类是用交替的过程计算的，首先通过它们的特征亲和力将像素分配到聚类，然后更新聚类中心和像素特征。这些操作共同组成了聚类掩码Transformer（CMT）层，该层产生的交叉注意力更密集，与最终分割任务更一致。CMT-DeepLab将现有技术的性能显著提高了4.4%PQ，在COCO测试开发集上实现了55.7%PQ的最新技术水平。
2022-06-17 cs.CV
ConvPoseCNN: Dense Convolutional 6D Object Pose Estimation
University of Bonn（波恩大学）
6D物体姿态估计是许多应用的先决条件。近年来，单目位姿估计因其不需要深度测量而引起了广泛的研究兴趣。在这项工作中，我们引入了ConvPoseCNN，这是一种完全卷积的架构，可以避免剪切单个对象。相反，我们提出了像素级的，密集预测的对象姿态的平移和方向分量，其中密集的方向表示在四元数的形式。我们提出了不同的方法聚集的密集方向的预测，包括平均和聚类方案。我们在具有挑战性的YCB-Video数据集上评估了ConvPoseCNN，在那里我们证明了该方法的参数要少得多，并且比同类方法训练得更快，而不会牺牲准确性。此外，我们的研究结果表明，密集的方向预测隐式地学习到值得信赖的，无遮挡的，功能丰富的对象区域。
2019-12-16 cs.CV
Self-adaption grey DBSCAN clustering
Nanjing University of Science and Technology（南京理工大学）
聚类分析是数据采掘中的一个经典问题，在各个研究领域都有着广泛的应用。提出一种自适应灰色DBSCAN聚类算法（SAG-DBSCAN）。首先利用灰色关联矩阵得到灰色局部密度指标，然后利用该指标进行自适应噪声辨识，得到聚类数据的稠密子集，最后利用自动选择参数的DBSCAN对稠密子集进行聚类。几个常用的数据集被用来证明所提出的聚类算法的性能和有效性，并与其他国家的最先进的算法的结果进行比较。综合比较表明，我们的方法比其他比较方法具有优势。
2019-12-24 cs.CV cs.DC cs.LG
HEDGE: Hallucination Estimation via Dense Geometric Entropy for VQA with Vision-Language Models
Simula Metropolitan Center for Digital Engineering (SimulaMet)（Simula数字工程研究中心）；Oslo Metropolitan University (OsloMet)（奥斯陆 Metropolitan 大学）；Simula Research Laboratory（Simula研究实验室）
针对视觉语言模型（VLMs）在视觉问答中的幻觉问题，提出HEDGE框架，结合受控视觉扰动、语义聚类和鲁棒不确定性度量，在多个数据集和模型上验证了其有效性，为多模态可靠性评估提供基础并发布基准库。
2025-11-16 cs.AI cs.CV
Combining Object Detection with Geometry-Aware Clustering to Distinguish Overlapping Plants in UAV Imagery
Rowan University（罗文大学）
本研究提出一种几何感知后检测框架，结合目标检测与聚类，利用RGB无人机影像区分重叠植株，在茄子与番茄作物上验证了有效性，无需额外传感器或重训练。
2026-09-21 cs.CV
BINO: Encoder Centric Self Supervised Stereo With Native Pair Input
Imperial College London（伦敦帝国学院）
BINO通过在输入阶段融合校正对，生成立体微细胞标记，并使用行感知的补丁相位位置编码，探索在紧凑编码器中学习强立体结构的可能性，在低资源条件下表现优异。
2026-03-29 cs.CV
Group Evidence Matters: Tiling-based Semantic Gating for Dense Object Detection
Department of Computer Science University of Toronto Toronto, Canada（计算机科学系 多伦多大学 加拿大）
本文提出一种基于平铺的语义门控后处理框架，通过空间与语义聚类验证组证据并重新加权，在VisDrone上将召回率提升至0.778，适用于远场计数等召回敏感应用。
2025-09-26 cs.CV
ConvPoseCNN2: Prediction and Refinement of Dense 6D Object Poses
University of Bonn（波恩大学）
物体姿态估计是机器人技术中的一项关键感知能力。我们提出了PoseCNN方法的全卷积扩展，它可以密集地预测对象的平移和方向。这有几个优点，例如提高了方向预测的空间分辨率-在高度混乱的布置中有用，通过避免完全连接来显著减少参数，以及快速推断。我们提出并讨论了几种聚合方法，密集的方向预测，可以应用作为后处理步骤，如平均和聚类技术。我们证明了我们的方法在具有挑战性的YCB-Video数据集上达到了与PoseCNN相同的准确性，并提供了我们方法的几种变体的详细消融研究。最后，我们证明了可以通过在网络中间插入迭代细化模块来进一步改进模型，从而加强预测的一致性。
2022-05-23 cs.CV
Expediting Large-Scale Vision Transformer for Dense Prediction without Fine-tuning
Peking University（北京大学）；Microsoft Research Asia（微软亚洲研究院）；ETH Zurich（苏黎世联邦理工学院）
视觉Transformer最近在各种视觉任务中取得了有竞争力的结果，但在处理大量令牌时仍然存在计算成本高的问题。已经开发了许多先进的方法来减少大规模视觉Transformer中的标记总数，特别是对于图像分类任务。通常情况下，他们根据与类标记的相关性选择一小组基本标记，然后微调视觉Transformer的权重。由于计算和GPU存储器成本比图像分类重得多，这种微调对于密集预测不太实用。在本文中，我们专注于一个更具挑战性的问题，即，加速大规模视觉Transformer的密集预测，而无需任何额外的重新训练或微调。针对高分辨率表示对于密集预测是必要的这一事实，我们提出了两个非参数算子，一个令牌聚类层以减少令牌的数量，一个令牌重构层以增加令牌的数量。执行以下步骤来实现这一点：（i）我们使用令牌聚类层将相邻令牌聚类在一起，从而产生维持空间结构的低分辨率表示;（ii）我们仅将以下Transformer层应用于这些低分辨率表示或聚类的令牌;以及（iii）我们使用令牌重构层来从细化的低分辨率表示重新创建高分辨率表示。通过我们的方法获得的结果是有前途的五个密集的预测任务，包括目标检测，语义分割，全景分割，实例分割，和深度估计。
2022-10-03 cs.CV cs.LG
FLSL: Feature-level Self-supervised Learning
Georgia State University（佐治亚州立大学）；U.S. Army ERDC（美国陆军工程兵研究与发展中心）；Duke University（杜克大学）
针对现有自监督学习方法在密集预测任务中泛化性差的问题，本文提出基于ViT均值漂移聚类的两级特征聚类SSL方法FLSL，在多个基准任务上性能优于现有方法。
2023-11-06 cs.CV cs.LG
CLASP: Adaptive Spectral Clustering for Unsupervised Per-Image Segmentation
Integral Ad Science
CLASP是一个无需训练的无监督图像分割框架，利用DINO特征、谱聚类和自动参数选择，在COCO Stuff和ADE20K上达到与近期基线相当的性能，适用于大规模未标注数据。
2025-10-24 cs.AI cs.CV cs.LG
