arXiv 2026年10月6日该工作将槽注意力建模为交互粒子系统，推导出无参数的简化槽注意力（SSA），并将其与软 K 均值、软球面 K 均值及所推导的无归一化代理 USSA 建立联系；在 Pascal VOC 2012 上使用冻结 DINO 特征时，SSA 的分割与重建表现接近完整槽注意力，说明其竞争性分配动力学本身已能解释大部分面向对象的聚类行为，而学习到的组件主要作用于表示精化。该工作将槽注意力建模为交互粒子系统，推导出无参数的简化槽注意力（SSA），并将其与软 K 均值、软球面 K 均值及所推导的无归一化代理 USSA 建立联系；在 Pascal VOC 2012 上使用冻结 DINO 特征时，SSA 的分割与重建表现接近完整槽注意力，说明其竞争性分配动力学本身已能解释大部分面向对象的聚类行为，而学习到的组件主要作用于表示精化。无参数简化槽注意力在 Pascal VOC 上取得接近槽注意力的分割表现，表明竞争性分配动力学本身即可解释大部分聚类行为该工作将槽注意力建模为交互粒子系统，推导出无参数的简化槽注意力（SSA），并将其与软 K 均值、软球面 K 均值及所推导的无归一化代理 USSA 建立联系；在 Pascal VOC 2012 上使用冻结 DINO 特征时，SSA 的分割与重建表现接近完整槽注意力，说明其竞争性分配动力学本身已能解释大部分面向对象的聚类行为，而学习到的组件主要作用于表示精化。该工作将槽注意力建模为交互粒子系统，推导出无参数的简化槽注意力（SSA），并将其与软 K 均值、软球面 K 均值及所推导的无归一化代理 USSA 建立联系；在 Pascal VOC 2012 上使用冻结 DINO 特征时，SSA 的分割与重建表现接近完整槽注意力，说明其竞争性分配动力学本身已能解释大部分面向对象的聚类行为，而学习到的组件主要作用于表示精化。