진보적인 특성 정렬을 이용한 비지도 도메인 적응

비지도 도메인 적응(UDA)은 라벨이 풍부한 소스 도메인에서 완전히 라벨이 없는 대상 도메인으로 지식을 전송합니다. 이 과제를 해결하기 위해 최근의 접근 방식들은 의사라벨(pseudo-labels)을 활용하여 소스와 대상 도메인 간의 클래스 수준 분포 일치를 강제하는 차별적 도메인 전송에 의존하고 있습니다. 그러나 이러한 방법들은 의사라벨링 정확도가 명시적으로 보장되지 않기 때문에 오류 누적에 취약하며, 따라서 도메인 간 범주 일관성을 유지할 수 없습니다. 본 논문에서는 대상 도메인 내 클래스 내 변동성을 활용하여 도메인 간의 차별적 특징을 점진적이고 효과적으로 일치시키는 점진적 특징 일치 네트워크(PFAN, Progressive Feature Alignment Network)를 제안합니다. 구체적으로, 먼저 모델을 반복적으로 교대로 훈련시키기 위한 쉬운 것부터 어려운 것으로의 전송 전략(EHTS, Easy-to-Hard Transfer Strategy)과 적응형 프로토타입 일치(APA, Adaptive Prototype Alignment) 단계를 개발하였습니다. 또한 좋은 도메인 적응이 일반적으로 포화되지 않은 소스 분류기를 필요로 함을 관찰한 결과, 소프트맥스 함수에 온도 변수를 추가하여 소스 분류 손실의 수렴 속도를 늦추는 간단하면서도 효율적인 방법을 고려하였습니다. 광범위한 실험 결과는 제안된 PFAN이 세 가지 UDA 데이터셋에서 최신 기술보다 우수한 성능을 보임을 입증하였습니다.