초록
본 논문은 시각적 도메인 적응 문제에 대한 자기 앙상블(self-ensembling)의 활용을 탐구합니다. 우리의 기술은 준지도 학습 분야에서 최고 수준의 성과를 거둔 시간적 앙상블(temporal ensembling) 기법(Laine 등, 2017)의 평균 교사 변형(mean teacher variant)(Tarvainen 등, 2017)에서 유래되었습니다. 우리는 도전적인 도메인 적응 시나리오를 위해 이 접근 방식에 여러 가지 수정을 가하고 그 효과성을 평가합니다. 우리의 접근 방식은 다양한 벤치마크에서 최고 수준의 성과를 달성하였으며, VISDA-2017 시각적 도메인 적응 챌린지에서 우승한 작품을 포함합니다. 소규모 이미지 벤치마크에서는 우리의 알고리즘이 단순히 기존 연구보다 우수한 성능을 보이는 것뿐만 아니라, 감독 학습 방식으로 훈련된 분류기와 비슷한 정확도를 달성할 수도 있습니다.