Clustering profundo adaptativo que integra incrustaciones DINOv2, atención de grafos y optimización bioinspirada

Área de la Ciencia:

• Visión por Computadora; Aprendizaje Automático; Inteligencia Artificial

Sus antecedentes:

• La agrupación de imágenes no supervisada carece de métodos sólidos para integrar diversos paradigmas de aprendizaje.
• Los sistemas existentes basados en transformadores o GNN a menudo tratan los componentes de forma aislada, lo que limita el refinamiento adaptativo.
• Necesidad de métricas internas interpretables en escenarios totalmente no supervisados.

Objetivo del estudio:

• Presentar un marco unificado y adaptativamente integrado para la agrupación de imágenes no supervisada.
• Establecer una interacción sinérgica entre el aprendizaje de representaciones autocontroladas, el refinamiento de incrustaciones basado en grafos y la optimización bioinspirada.
• Introducir índices internos compuestos interpretables para una evaluación no supervisada confiable.

Principales métodos:

• Utiliza transformadores de visión DINOv2 preentrenados para la extracción de características de alto nivel.
• Emplea una red de atención de grafos (GAT) de múltiples cabezales para refinar las estructuras relacionales.
• Integra una metaheurística inspirada en murciélagos para la estimación conjunta del número de clústeres y la sintonización adaptativa de hiperparámetros.

Principales resultados:

• Logró un rendimiento de última generación en CIFAR-10 (NMI=0.938, ARI=0.932) y otros puntos de referencia.
• Demostró efectividad y capacidad de generalización en diversos conjuntos de datos.
• Introdujo dos índices internos compuestos ([Fórmula: ver texto] y [Fórmula: ver texto]) que se correlacionan fuertemente con métricas externas.

Conclusiones:

• El pipeline propuesto DINOv2-GAT-BAT ofrece un nuevo enfoque de agrupación profunda adaptativa.
• El marco integrado refina dinámicamente las incrustaciones semánticas y la información estructural.
• El estudio avanza la evaluación no supervisada con métricas compuestas interpretables y logra resultados de agrupación superiores.