摘要
语义分割是自主智能体实现场景理解的基本且关键任务之一。近年来，监督式机器学习与神经网络的快速发展，显著提升了该任务最先进方法的性能。然而，这些方法的优异表现高度依赖于大规模标注数据集的可用性。本文提出了一种全新的全无监督语义分割方法，称为信息最大化与对抗正则化分割（Information Maximization and Adversarial Regularization Segmentation, InMARS）。受人类感知机制的启发——人类将场景解析为感知上的语义群组，而非逐像素分析，本方法首先将输入图像划分为具有语义意义的区域（即超像素）。随后，通过最大化互信息（Mutual Information Maximization）并结合对抗训练策略，将这些区域聚类为具有语义意义的类别。为适配该任务的对抗训练机制，本文引入对抗性像素噪声与空间扰动，以在深度神经网络中强制实现光照不变性与几何不变性。实验结果表明，所提方法在两个广泛使用的无监督语义分割数据集（COCO-Stuff 和 Potsdam）上均达到了当前最优性能。