슬라이스 워세르슈타인 불일치도를 이용한 비지도 도메인 적응

본 연구에서는 비지도 도메인 적응을 위한 두 가지 독립적인 개념을 연결합니다: 도메인 간의 특성 분포 맞춤과 작업 특정 결정 경계를 활용한 Wasserstein 거리(워터스타인 거리). 제안된 슬라이스 워터스타인 불일치(Sliced Wasserstein Discrepancy, SWD)는 작업 특정 분류기의 출력 간 자연스러운 차이점을 포착하기 위해 설계되었습니다. 이는 기하학적으로 의미 있는 가이드라인을 제공하여 소스에서 멀리 떨어진 대상 샘플을 감지하고, 엔드투엔드 학습 방식으로 효율적인 분포 맞춤을 가능하게 합니다. 실험에서는 숫자 및 표지 인식, 이미지 분류, 의미적 세분화, 객체 검출 등 다양한 태스크에서 본 방법의 효과성과 일반성을 검증하였습니다.