초록
본 논문에서는 소스 도메인에 라벨 정보가 제공되지만 타겟 도메인에는 라벨 정보가 제공되지 않는 분류기의 비지도 도메인 적응 문제를 해결하고자 합니다. 이 문제를 해결하기 위해 제안된 다양한 방법 중에는 적대적 판별기 기반 방법을 포함하나, 대부분의 접근 방식은 전체 이미지 기반 도메인 적응에 초점을 맞추었습니다. 그러나 이미지 내에서 더 잘 적응할 수 있는 영역이 있을 수 있으며, 예를 들어 전경 객체는 본질적으로 유사할 수 있습니다. 이러한 영역을 얻기 위해 우리는 각 영역의 확률적 확실성 추정치를 고려하고, 분류 시 적응을 위해 이러한 영역에 집중하는 방법을 제안합니다. 분류기를 훈련시키는 과정에서 판별기의 확률적 확실성을 통합함으로써, 최근 제안된 모든 방법과 비교하여 다양한 데이터셋에서 최고 수준의 결과를 얻을 수 있음을 확인하였습니다. 또한 본 논문에서는 메소드의 철저한 경험적 분석을 제공하기 위해 점진적 분석(ablation analysis), 통계적 유의성 검증(statistical significance test), 주목 지도(attention maps) 및 t-SNE 임베딩(t-SNE embeddings) 시각화 등을 수행하였습니다. 이러한 평가는 제안된 접근 방식의 효과성을 명확히 입증하고 있습니다.