데이터 증강과 네트워크 학습的同时优化: 인간 포즈 추정에서의 적대적 데이터 증강 注意：在韩文中，“同时优化”可以翻译为“동시 최적화”或“동시에 최적화”，根据上下文和期刊风格选择合适的表达。以下是调整后的翻译： 데이터 증강과 네트워크 학습의 동시 최적화: 인간 포즈 추정에서의 적대적 데이터 증강

무작위 데이터 증강은 딥 뉴럴 네트워크 모델을 훈련할 때 과적합을 피하기 위한 중요한 기술입니다. 그러나 데이터 증강과 네트워크 훈련은 일반적으로 두 개의 독립된 프로세스로 취급되어, 이는 네트워크 훈련의 효과를 제한합니다. 그렇다면 두 프로세스를 공동으로 최적화하는 것은 어떨까요? 우리는 이러한 제한을 해결하기 위해 적대적 데이터 증강(Adversarial Data Augmentation)을 제안합니다. 주요 아이디어는 어려운' 증강 연산을 온라인으로 생성하여 목표 네트워크(구분기)와 경쟁하는 증강 네트워크(생성기)를 설계하는 것입니다. 증강 네트워크는 목표 네트워크의 약점을 탐색하며, 후자는어려운' 증강에서 학습하여 더 나은 성능을 달성합니다. 또한, 효과적인 공동 훈련을 위해 보상/처벌 전략도 설계하였습니다. 우리는 인간 자세 추정 문제에 우리의 접근 방식을 적용하고 종합적인 실험 분석을 수행하여, 우리의 방법이 추가적인 데이터 노력 없이 기존 최신 모델들을 크게 개선할 수 있음을 보여주었습니다.