التطورات الحديثة في تجميع الصور غالبًا ما تركز على تعلم تمثيلات عميقة أفضل. ومع ذلك، نقدم نهجًا متعامدًا لا يعتمد على الخصائص المجردة بل بدلاً من ذلك يتعلم التنبؤ بتحويلات الصور ويقوم بالتجميع مباشرة في فضاء الصور. يتناسب هذا العملية التعليمية بشكل طبيعي مع التدريب القائم على التدرج لخوارزميات K-means ونموذج الخليط الغاوسية (Gaussian Mixture Model)، دون الحاجة إلى أي خسارة إضافية أو معلمات فائقة. هذا يؤدي بنا إلى إطارين جديدين للتجميع العنقودي العميق المستقر تحت التحويلات، اللذين يتعلمان النماذج الأولية والتحولات بشكل مشترك. وبشكل أكثر تحديدًا، نستخدم وحدات تعلم عميقة تمكننا من حل الاستقرار للتحولات المكانية واللونية والتشكلية (spatial, color, and morphological transformations). يعتبر نهجنا بسيطًا من حيث المفهوم ويأتي مع عدة مزايا، بما في ذلك إمكانية التكيف بسهولة مع الاستقرار المرغوب للمهمة وقابلية تفسير قوية لكل من مراكز العنقود وتخصيص العناصر للأنقُض. نوضح أن نهجنا الجديد يحقق نتائج تنافسية ومليئة بالوعود على مقاييس التجميع القياسية للصور. وأخيرًا، نعرض صلابته ومزايا قابلية تفسيره المحسنة من خلال تصوير نتائج التجميع فوق مجموعات صور حقيقية.