AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

• 论文题目：Image Clustering with External Guidance
• 论文地址：https://arxiv.org/abs/2310.11989
• 代码地址：https://github.com/XLearning-SCU/2025-ICML-TAC

• 如何构建图像的文本表征；
• 如何协同图像和文本进行聚类。

考虑到过多的语义中心会关注过于细粒度的特征，不利于区分不同类别的图像，而过少的语义中心则会难以准确覆盖位于聚类边界图像的语义，本文提出根据样本点的个数估计k-means算法中合适的k值（实验中选取k=N/300，N为图像个数），并计算图像语义中心如下：

其中当且仅当图像属于第l个聚类，表示第i张图像经过CLIP图像编码器后得到的表征。在得到图像语义中心后，为了选取具有代表性的名词集合，与常见的CLIP Zero-shot分类相反，本文将所有WordNet中的名词划分到k个图像语义中心，其中第i个名词属于第l和语义中心的概率为：

其中sim表示余弦相似性，表示第i个名词经过预训练好的文本编码器后得到的表征。保留每个语义中心对应概率最高的名词，作为组成文本空间的候选词。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

其中，表示第i张图像对应的文本模态中的表征，表示组成文本空间的第j个候选名词，控制检索的平滑程度。

至此，作者为每张图像构建出了其在文本模态中的表征。此时可通过在文本和图像的拼接表征直接使用经典k-means聚类方法来实现图像聚类。

具体地，为每张图像构建邻居集合，并引入一个聚类网络f对每个图像表征做出聚类指派，在每次迭代中，计算所有图像和其邻居集合中随机的一个图像的聚类指派，记为：

相类似的，引入另一个聚类网络g来对每个文本表征做出聚类指派，同样为每个文本表征构建邻居集合，在每次迭代中，计算所有文本和其邻居集合中随机的一个文本的聚类指派，记为：

其中和分别对应文本i及其邻居的聚类指派，Q和Q^N同样均为n*K的矩阵。

其中分别表示聚类指派矩阵P,P^N,Q,Q^N的第i列，为温度系数。该损失函数一方面能通过跨模态邻居之间的聚类指派一致性实现图文模态的协同，另一方面能扩大不同的类簇之间的差异性。

此外，为了使训练过程更加稳定，本文设计了另外两个正则项损失函数。首先，为了鼓励模型做出更加置信的聚类指派，提出如下损失函数：该损失函数在和均为独热（One-hot）编码时被最小化，因此能提升聚类指派的置信度。另外，为了防止模型将大量图像和文本都分配到个别类簇中，提出了以下损失函数：

其中和分别表示图像和文本模态中整体的聚类分布。

• 如何选择合适的外部知识；
• 如何有效的整合外部知识以辅助聚类。

以上就是ICML 2025 Oral｜外部引导的深度聚类新范式的详细内容，更多请关注其它相关文章！

# 图像聚类  # 可通过  # 可直接  # 新能源  # 日韩  # 提出了  # 均为  # 的是  # 模态  # type  # lexica  # git  # 工程  # 情况下  # 龙泉响应式网站建设报价  # 去哪儿网络营销的推广  # 电商网站建设免费咨询  # 临沂网站优化厂家有哪些  # 益阳网站优化公司地址  # 中麒推广网站  # 安徽律师网站推广公司  # 重庆建设公司的网站  # 营销推广视频搞笑段子大全  # 邯山seo优化  # 更具 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 为什么要出折叠屏手机  url解码什么意思  typescript 如何使用  怎么在项目中使用typescript  单片机加法程序怎么写  固态硬盘如何下载网页  gs是什么意思  vfp 命令窗口如何实现换行  苹果16多有哪些功能  如何选择启用固态硬盘  市盈率动亏损是什么意思  春运抢票最快几天能成功  如何知道固态硬盘  哪些编程软件需用typescript  如何用命令下载服务器网站  三星固态硬盘如何安装  广东春运几点抢票  ftp$如何执行宏命令  冰柜power是什么意思这个黄灯怎么不亮  春运抢票哪个平台好抢  如何更新typescript  春运抢票失败怎么抢  j*a怎么讲数组打印  苹果16讲解有哪些功能  萝卜快跑的收费标准是什么  夸克内测有什么好处  市盈率和市净率是什么意思  夸克投屏为什么那么卡  征信信誉不好如何恢复 如何修复不良征信方法  360n7锁屏壁纸怎么固定  怎么关360壁纸广告  苹果16会有哪些更新  市盈率估值1stdv是什么意思  360n4怎么关闭锁屏壁纸  如何设置从固态硬盘启动  夸克网盘为什么解析错误  如何在固态硬盘上安装win7系统  什么网址不能域名解析  typescript怎么写游戏  animal是什么意思  typescript怎么使用vue  early什么意思  市盈率底下 18A 19E 是什么意思  酷狗音乐pc版的每日推荐在哪 酷狗音乐PC版每日推荐查找指南  有什么基础可以学typescript  阿里云盘共享账户怎么用  win7怎么取消360显示的壁纸  linux命令行如何使用中文输入法  什么是夸克模组文件格式  燃气热水器上的power是什么意思