Що змінює DisParQ для візуальних моделей, що вчаться без міток?

Новий метод DisParQ вчиться розбивати зображення на дискретні частини, які може перевірити людина, не використовуючи жодних класових міток чи мовного нагляду. Він базується на замороженій основі DINOv2 і досягає її 83,2% точності top-1 при лінійному зондуванні ImageNet, одночасно дозволяючи перекатегоріальний пошук частин.

Призначення єдиної концепції кожному фрагменту

DisParQ розшифровується як Discrete Parts with Quantized attributes. Метод бере потужну самостійно навчальну візуальну основу — DINOv2 — і заморожує її. Жодних класових міток. Жодного мовного нагляду. Навчальний словник прототипів зберігає концепції. Кожен фрагмент зображення отримує саме одну концепцію з цього словника. Для будь-якого зображення активується лише рідка підмножина концепцій. Така рідкість зберігає представлення читабельним. Словник сам вивчається, а не зафіксований. Основа залишається замороженою. Концепції виникають із власного представлення основи. Автори стверджують: це призначення дискретне і просторово заземлене.

Джерело квантованих атрибутів

Однакова концепція на кшталт «колесо» змінюється від зображення до зображення. Деякі колеса — спицеві. Інші — суцільні. Треті — великі. DisParQ вивчає неперервні залишки поруч із кожною концепцією, щоб захопити цю варіативність. Потім квантує ці залишки у дискретні атрибути. Атрибути — не вільний текст. Це дискретні коди. Просторовий декодер відновлює представлення основи, використовуючи лише концепції та їхні квантовані атрибути. Успішне відновлення означає: дискретне представлення зберігає інформацію основи. Стаття повідомляє, що відновлення працює.

Результати на семи бенчмарках

Автори оцінюють роботу на семи наборах даних. Загальне розпізнавання: ImageNet, PartImageNet, Places. Дрібнозернисте: CUB, Cars, Dogs, Flowers. При лінійному зондуванні ImageNet DisParQ досягає 83,2% top-1. Це повторює результат замороженого вчителя DINOv2. Консистентність концепцій перевершує мовно-вирівняні моделі. Дрібнозернисте розпізнавання залишається конкурентоспроможним. Стає можливим перекатегоріальний пошук на основі частин.

Що залишилося за кадром

Стаття на розгляді. Дата подання: 7 жовтня 2026 року. Розмір файлу: 16 701 КБ. Сім авторів: Адам Пардил, Сіддхартха Гайрола, Сукрут Рао, Адам Вробель, Бартош Зьєлінський, Бернт Шіле, Давід Римарчик. Немає результатів донавчання. Немає порівняння з повністю контрольованими детекторами частин. Немає даних про обчисловий бюджет чи час навчання. Про випуск коду не згадано. Метод припускає заморожену основу DINOv2; інші основи не тестувалися. Розмір словника прототипів у анотації не вказано. Рівень рідкості теж не кількісно оцінено. Схема квантування атрибутів у скороченому вигляді не деталізована.

У одному реченні

Метод вивчає частини без міток.