非監督セマンティックセグメンテーションは、画像コーパス内の全体的なセマンティックカテゴリを識別することにより、アノテーションなしで画像を意味的に重要な領域に自動的に分割することを目指しています。最近の自己教師あり表現学習の進歩に基づき、私たちはこれらの大規模な事前学習モデルを下流タスクである非監督セグメンテーションに活用する方法に焦点を当てています。ここでは、PriMaPs（Principal Mask Proposals）を紹介します。これは、画像の特徴表現に基づいて意味的に重要なマスクに分解することで、非監督セマンティックセグメンテーションを実現します。具体的には、確率的期待最大化アルゴリズムであるPriMaPs-EMを使用してクラスプロトタイプをPriMaPsに適合させます。その概念的簡素さにもかかわらず、PriMaPs-EMはDINOやDINOv2などのさまざまな事前学習バックボーンモデルおよびCityscapes、COCO-Stuff、Potsdam-3などの異なるデータセットにおいて競争力のある結果をもたらします。特に重要的是、PriMaPs-EMは現在の最先端の非監督セマンティックセグメンテーションパイプラインに対して直交的に適用される場合、結果の向上につながります。コードはhttps://github.com/visinf/primaps で入手可能です。请注意，上述翻译中有一处小错误：“特别重要的是”被误译为“特に重要的是”。正确的翻译应该是：特に重要なのは、PriMaPs-EMが現在の最先端の非監督セマンティックセグメンテーションパイプラインに対して直交的に適用される場合、結果の向上につながることです。希望这能帮助到您！