يتعلم نموذج التحويل البصري (Vision Transformer) تمثيلات عالية الجودة للقطع (patch embeddings) خلال مرحلة التدريب ذاتيًا، مما يُعد دورًا حاسمًا في العديد من المهام التالية دون تدريب مشرف مثل تحديد مواقع الكائنات، وكشف الكائنات، والتقسيم الشعاعي للدلالات. وتستكشف هذه المهام المختلفة الخصائص المميزة لرسم بياني لارتباط القطع (patch affinity graph) لتحقيق أداءً متقدمًا على مستوى الحالة الحالية في البيئة غير المراقبة. ومع ذلك، لا يزال هناك إمكانات حقيقية غير مستغلة للرسم البياني لارتباط القطع في المهمة الخاصة بالتقسيم الدقيق للدلالات. تُظهر الدراسات الحالية أن التجميع (modularity) هو خاصية أساسية في الرسم البياني، وتعكس قوة التقسيمات الحالية الموجودة فيه. ونُقدّم رأينا بأن التحسين المشترك بين تجميع الميزات في فضاء تمثيل القطع، وتحسين التجميع في فضاء صفات العقد، يؤدي إلى تقارب تدريبي سلس وتحقيق نتائج أفضل. في هذه الورقة، نقترح طريقة جديدة للتعلم غير المراقب على نحو متكامل (end-to-end) تُسمى GraPix، والتي تُستغل الخصائص المخفية في تمثيلات القطع المستخرجة من نموذج التحويل البصري ذاتي التدريب، وذلك لإنجاز مهمة التقسيم الدقيق للدلالات. يقوم GraPix ببناء رسم بياني لارتباط بناءً على تشابه القطع في فضاء التمثيل الخاص بها. ثم، يتعلم تمثيلات مركزية مميزة للغاية لتمكين التقسيم الدقيق للدلالات، وذلك باستخدام دالة تحسين جديدة تجمع بين تجميع الميزات وتحسين التجميع البياني. تُظهر نتائج التجارب أن GraPix يتفوق على أحدث الطرق المطورة على مجموعة بيانات SUIM، ويحقق أفضل أداء ثانٍ على مجموعة بيانات Cityscapes. كما قمنا بإجراء تحليل مفصل (ablation study) لتبرير اختيار مكونات النموذج والمتغيرات المحددة (hyper-parameters). يمكن الوصول إلى الكود عبر الرابط: https://github.com/SonalKumar95/GraPix.