생성하여 적응하기: 생성적 적대 네트워크를 사용한 도메인 정렬

도메인 적응(Domain Adaptation)은 컴퓨터 비전 분야에서 활발히 연구되고 있는 문제입니다. 본 연구에서는 학습된 공동 특성 공간에서 소스와 대상 분포를 가깝게 만드는 데 비지도 데이터를 활용하는 접근 방식을 제안합니다. 이를 위해 학습된 임베딩과 생성적 적대 네트워크(Generative Adversarial Network, GAN) 간의 공생 관계를 유도합니다. 이는 현실적인 데이터 생성 및 이러한 데이터로 딥 모델을 재학습시키는 적대적 프레임워크를 사용하는 방법들과 대조됩니다. 우리는 세 가지 다른 난이도의 작업에 대한 실험을 수행하여 우리 접근 방식의 강점과 일반성을 입증합니다: (1) 숫자 분류(MNIST, SVHN, USPS 데이터셋), (2) OFFICE 데이터셋을 이용한 객체 인식, (3) 합성 데이터에서 실제 데이터로의 도메인 적응. 우리의 방법은 대부분의 실험 설정에서 최고 수준의 성능을 달성하였으며, OFFICE와 DIGITS 등의 다양한 데이터셋에서 잘 작동하는 유일한 GAN 기반 방법으로 확인되었습니다.