초록
본 논문에서는 도메인 간 분류기 적응 문제를 해결합니다. 우리는 소스 데이터셋에서 라벨이 부여된 예제 집합을 제공받고, 타겟 데이터셋은 감독 없이 제공되는 다중 클래스 분류의 도메인 적응 문제를 고려합니다. 이러한 환경에서 우리는 적대적 판별자 기반 접근법을 제안합니다. 이전에 적대적 판별자를 활용한 접근법이 제안되었지만, 본 논문에서는 정보화된 적대적 판별자(informed adversarial discriminator)를 제시합니다. 우리의 관찰은 소스 데이터셋에 존재하는 클래스 구조를 포함하여 모든 정보에 접근할 수 있는 경우, 판별자가 타겟 클래스 집합의 특징들을 더 구조적으로 적응된 공간으로 변환할 수 있다는 분석에 근거하고 있습니다. 이 공식을 사용하여 벤치마크 데이터셋에서 표준 평가 결과로 최신 기술(state-of-the-art) 성능을 달성하였습니다. 또한, 모든 라벨 정보를 활용하면 도메인 적응이 개선됨을 보여주는 상세한 분석을 제공합니다.