私たちは、教師なしオブジェクト検出とセグメンテーションモデルの学習に向けたシンプルな手法である Cut-and-LEaRn (CutLER) を提案します。この手法では、自己監督モデルがラベルなしで「オブジェクトを発見」する特性を活用し、これを強化して人間によるラベル付けなしで最先端の位置特定モデルを学習させます。まず、CutLER は私たちが提案した MaskCut アプローチを使用して画像内の複数のオブジェクトに対して粗いマスクを生成し、次にこれらのマスク上でロバストな損失関数を使用して検出器を学習させます。さらに、モデルの予測結果に基づいて自己学習を行うことで性能を向上させています。既存の研究と比較して、CutLER はより単純であり、異なる検出アーキテクチャとの互換性を持ち、複数のオブジェクトを検出することができます。また、CutLER はゼロショットの教師なし検出器であり、ビデオフレームや絵画、スケッチなど異なるドメインにおける11つのベンチマークにおいて AP50 の検出性能を2.7倍以上向上させています。ファインチューニングを行うと、COCO データセットにおいて5% のラベルのみを使用して MoCo-v2 を APbox で7.3%、APmask で6.6% 上回る低ショット検出器として機能します。