ImageNet-Dogs

新的DeepMORSE方法利用文本数据增强图像聚类

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。