본 논문은 전이 사전 학습(TDL)이라는 새로운 프레임워크를 제시합니다. 이는 입력을 부분과 암시적 관계의 조합으로 재구성하여 시각적 부분 및 관계와 같은 상징적 지식을 암묵적으로 학습합니다. EM 알고리즘으로 학습된 사전을 사용하여 입력을 시각적 부분으로 분해하기 위해 게임 이론적 확산 모델을 제안하며, 이는 온라인 프로토타입 클러스터링으로 구현됩니다. 또한, 모델 평가를 위해 클러스터링 정보 이득 및 휴리스틱 형태 점수라는 두 가지 지표를 제안합니다. 세 가지 추상적 구성 시각 객체 데이터셋에서 실험을 수행하여 모델이 단순히 시각적 특징을 활용하는 대신 데이터의 구성성을 활용하도록 합니다. 부분과 관계의 미리 정의된 클래스에 대한 기호 접지 세 가지 작업과 미지의 클래스에 대한 전이 학습, 그리고 사람의 평가를 수행했습니다. 결과는 제안된 방법이 구성 패턴을 발견하며, 사전 훈련된 백본의 시각적 특징에 의존하는 최첨단 비지도 부분 분할 방법보다 성능이 훨씬 우수함을 보여줍니다. 또한, 제안된 지표는 사람의 평가와 일치합니다.
