Expand-and-Quantize: 고차원 공간과 제품 양자화를 이용한 비지도 의미 분할

비지도 의미 분할(Unsupervised Semantic Segmentation, USS)은 어떠한 라벨도 없이 의미 있는 범주를 발견하고 인식하는 것을 목표로 합니다. 성공적인 USS를 위해서는 두 가지 핵심 능력이 필요합니다: 1) 정보 압축과 2) 클러스터링 능력입니다. 이전 방법들은 정보 압축을 위해 특성 차원 축소에 의존해왔지만, 이러한 접근 방식은 클러스터링 과정을 방해할 수 있습니다. 본 논문에서는 고차원 공간의 우수한 클러스터링 능력과 효과적인 정보 압축을 위한 제품 양자화(Product Quantization)의 장점을 결합한 새로운 USS 프레임워크인 확장 및 양자화 비지도 의미 분할(Expand-and-Quantize Unsupervised Semantic Segmentation, EQUSS)을 제안합니다. 우리의 광범위한 실험 결과는 EQUSS가 세 가지 표준 벤치마크에서 최고 수준의 성능을 달성함을 보여줍니다. 또한, 우리는 USS 특성의 엔트로피를 분석하는데, 이는 정보 이론적 관점에서 USS를 이해하는 첫걸음입니다.