DeepJDOT: 비지도 영역 적응을 위한 깊은 결합 분포 최적 운송

컴퓨터 비전에서 종종 도메인 시프트(domain shift) 문제에 직면하게 됩니다. 이는 소스 데이터셋에서 훈련된 분류기를 동일한 특성을 공유하는(예를 들어, 같은 클래스) 타겟 데이터에 적용할 때 발생합니다. 그러나 이러한 데이터는 서로 다른 잠재적 데이터 구조(예를 들어, 다른 획득 조건)를 가지고 있어, 모델은 새로운 데이터에서 성능이 저하됩니다. 이는 분류기가 소스 도메인의 특정 시각적 신호를 인식하도록 특화되어 있기 때문입니다. 본 연구에서는 이러한 문제를 해결하기 위한 방법으로 DeepJDOT라는 솔루션을 탐구합니다. 최적 운송(optimal transport) 기반의 공동 딥 표현/라벨 간 불일치 측정을 통해 우리는 단순히 소스와 타겟 도메인 간의 새로운 데이터 표현을 일치시키는 것뿐만 아니라, 분류기에 사용되는 차별 정보도 동시에 보존합니다. 우리는 DeepJDOT를 시리즈의 시각 인식 작업에 적용하였으며, 이는 최신 딥 도메인 적응 방법들과 비교하여 우수한 결과를 보였습니다.