カリキュラム学習と密度情報に基づくディープ画像クラスタリング
arXiv cs.CV / 2026/4/7
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 画像クラスタリングにおいて、既存のDeep clustering（DC）が学習戦略や密度情報を十分に活用していない点を課題として示しています。
- 提案手法IDCLは、入力データの密度情報に基づくカリキュラム学習により、学習ペースをより適切に制御してロバスト性と性能を高めます。
- クラスタ割り当てには各クラスタ中心ではなく「density core」を用い、反復過程での誤差蓄積を抑える設計になっています。
- ベンチマークでの比較実験により、提案法が頑健性、速い収束、データ規模・クラスタ数・画像コンテキストへの柔軟性で優位であることを報告しています。
