본 논문은 단일 이미지에서의 비지도 다중 객체 분할이라는 어려운 문제를 다룹니다. 기존 방법들은 객체성을 학습하기 위해 이미지 재구성 목표에 의존하거나 유사한 픽셀을 그룹화하기 위해 사전 학습된 이미지 특징을 활용하는데, 종종 간단한 합성 객체를 분할하거나 제한된 수의 실제 객체만을 발견하는 데 성공합니다. 본 논문에서는 실제 이미지에서 많은 복잡한 객체를 식별하도록 설계된 새로운 2단계 파이프라인인 unMORE를 제시합니다. 본 연구의 핵심은 첫 번째 단계에서 세 가지 수준의 주의 깊게 정의된 객체 중심 표현을 명시적으로 학습하는 것입니다. 그 후, 다중 객체 추론 모듈은 학습된 객체 사전 정보를 활용하여 두 번째 단계에서 여러 객체를 발견합니다. 주목할 만하게, 이 추론 모듈은 완전히 네트워크가 없으며 사람의 레이블이 필요하지 않습니다. 광범위한 실험을 통해 unMORE가 COCO 데이터셋을 포함한 6개의 실제 벤치마크 데이터셋에서 기존의 모든 비지도 방법을 능가하여 최첨단 객체 분할 결과를 달성함을 보여줍니다. 특히, 본 방법은 모든 기준 방법이 실패하는 혼잡한 이미지에서 뛰어난 성능을 보입니다.
