研究者提出了一种名为U2Seg的无监督通用分割模型，通过自监督模型生成伪语义标签并进行自我训练，能够在多种图像分割任务中显著提升性能，也适用于少样本情况下的预训练模型。希望该方法能够推动无监督通用图像分割的研究。

研究者提出了一种名为U2Seg的无监督通用分割模型，通过自监督模型生成伪语义标签并进行自我训练，性能显著提升。U2Seg在少样本情况下也是强大的预训练模型，激发了更多无监督通用图像分割的研究。

研究人员提出了一种名为U2Seg的无监督通用分割模型，利用自监督模型生成伪语义标签并进行自我训练，性能显著提升。U2Seg在少样本情况下也是强大的预训练模型，激发了更多关于无监督通用图像分割的研究。