PulseAugur
中
实时 10:14:15
English(EN) Learning Deep Modality-Shared Self-Expressiveness for Image Clustering with Textual Information

新的DeepMORSE方法利用文本数据增强图像聚类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为DeepMORSE的新方法，用于图像聚类，该方法利用了来自视觉语言模型的文本信息。该方法旨在通过学习一种模态共享的自表达模型来改进聚类，该模型同时捕获跨模态结构并保留模态特定信息。该方法在UCF-101、DTD-47和ImageNet-Dogs等多个基准测试中显示出性能提升，并证明了其在图像检索和零样本分类等下游任务中的强大迁移能力。 AI

影响 这项研究通过更好地整合文本和视觉数据，可能带来更准确、更多功能的图像聚类技术。

排序理由 该集群包含一篇关于图像聚类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的DeepMORSE方法利用文本数据增强图像聚类

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xianghan Meng, Wei He, Zhiyuan Huang, Chun-Guang Li ·

    利用文本信息学习深度模态共享自表达用于图像聚类

    arXiv:2608.08418v1 Announce Type: new Abstract: Leveraging textual information for image clustering has emerged as a promising direction, largely owing to the powerful representations learned by Vision-Language Models (VLMs). Existing approaches typically retrieve a textual count…

相关实体

相关话题