Papers with Code · CC BY-SA 4.0

Unsupervised Semantic Segmentation

10-shot image generation › Semantic Segmentation › Unsupervised Semantic Segmentation 191 평가 기록 30 datasets

Models that learn to segment each image (i.e. assign a class to every pixel) without seeing the ground truth labels.

<span style="color:grey; opacity: 0.6">( Image credit: SegSort: Segmentation by Discriminative Sorting of Segments )</span>

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
DynaSeg - FSF (ResNet-18 FPN)
Clustering [Accuracy]: 81.1Clustering [mIoU]: 54.1
논문 코드
CUPS
mIoU: 26.8Accuracy: 83.2
논문 코드
CorrCLIP
Mean IoU (val): 30.7
논문 코드
CorrCLIP
mIoU: 49.4
논문 코드
CorrCLIP
mIoU: 34.0
논문 코드
CorrCLIP
mIoU: 51.1
논문 코드
CorrCLIP
mIoU: 50.8
논문 코드
CAUSE (iBOT, ViT-B/16)
Clustering [mIoU]: 53.4
논문 코드
CorrCLIP
mIoU: 76.7
논문 코드
CorrCLIP
mIoU: 91.8
논문 코드
PriMaPs-EM+HP (DINO ViT-B/8)
Accuracy: 83.3mIoU: 71.0
논문 코드
SAN
Pixel Accuracy: 80.3
논문 -

데이터셋

30개

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

하위 태스크