SAM+无监督学习！能发顶会的高端局组合！idea效果绝佳

学过SAM的朋友都知道，SAM需要对训练数据进行全面的手动标记，每张图像都要超过20分钟...效率有待提升。那么如何解决这个短板？我们考虑SAM+无监督学习。

这是因为无监督学习具有无需人工标注数据的特点，通过将两者结合，我们就可以在资源有限或标注成本较高的情况下，更有效地处理数据，同时不损失性能。

因此在很多领域，特别是医学图像分割等，这种高效、灵活又强大的数据处理和模式识别方法是我们的首选，自然也成了研究热点，相关成果效果绝佳，比如开创数据零标注时代先河的UnSAM，以及CVPR 2024的UnSAMFlow。

除此以外，还有一些很值得学习的无监督学习+SAM新方法，我从中挑选了9篇，简单提炼了可参考的创新点，希望可以给同学们提供论文灵感。

论文原文+开源代码需要的同学看文末

Segment Anything without Supervision

方法：本文介绍了一种名为UnSAM的无监督学习方法，能够在没有监督的情况下进行交互和整图分割。UnSAM采用了一种分而治之的策略来“发现”视觉场景的层次结构，利用自上而下的聚类方法将未标记的图像分割成实例/语义级别的区域，然后使用自下而上的聚类方法迭代地将像素合并成更大的组，形成层次结构。