通过混合 LLM 代理进行通用准则驱动的图像聚类

由于任务之间存在根本差距，跨不同聚类场景统一图像聚类仍然具有挑战性。我们引入了指南驱动的图像聚类代理，这是第一个通过文本指南弥合这些差距的通用框架。为了在没有特定任务训练的情况下合并复杂的指南，我们提出了生成概念代理建模，它通过概念代理提取生成指南感知的嵌入。对于需要自动集群发现的场景，我们引入了基于最小生成树的LLM遍历，选择性地应用LLM推理进行复杂的语义判断。我们的方法概括了从一般分类到细粒度分类、从全局标准到局部标准、从平衡分布到长尾分布的不同聚类场景。我们的框架在不同的聚类任务中始终优于专门的方法。