最近の研究では、自己教師あり学習や無監督学習におけるクラスタリングベースのアプローチの効果が示されていますが、これらの方法はしばしば経験則に基づき、最適な手法は不明確です。本研究では、無監督クラスタリング手法と統計学における古典的な混合モデルとの関連を確立し、この枠組みを通じてクラスタリング手法の大幅な改善を示しました。これにより、新たなモデルであるSiamMMが開発され、さまざまな自己教師あり学習のベンチマークで最先端の性能を達成しました。さらに、学習されたクラスタが未見の真のラベルに強く類似していることが明らかになり、誤ラベルの可能性が浮かび上がりました。