이중 적대적 도메인 적응

비지도 도메인 적응은 레이블이 부여된 소스 도메인의 지식을 레이블이 없는 타겟 도메인으로 전이하는 것을 목표로 한다. 기존의 적대적 도메인 적응 방법들은 주로 마진(marginal) 또는 조건부(conditional) 일치를 독립적으로 수행하기 위해 이진 또는 $K$차원 출력을 갖는 판별자(discriminator)를 사용해왔다. 최근의 실험 결과에 따르면, 판별자가 두 도메인 모두에서 도메인 정보와 소스 도메인에서의 레이블 정보를 함께 제공받을 경우, 두 도메인 내 복잡한 다중모달(multimodal) 정보와 고수준의 의미 정보를 효과적으로 보존할 수 있음이 확인되었다. 이러한 아이디어를 바탕으로, 본 연구에서는 단일 판별자 내에서 도메인 수준과 클래스 수준의 일치를 동시에 수행하기 위해 $2K$차원 출력을 갖는 판별자를 도입하였다. 그러나 단일 판별자만으로는 도메인 간의 모든 유용한 정보를 포착하기 어렵고, 예시와 결정 경계 사이의 관계는 이전에 거의 탐구되지 않았다. 다중 시각 학습 및 도메인 적응 분야의 최신 발전을 영감으로 삼아, 판별자와 특징 추출기 간의 적대적 과정 외에도, 두 판별자가 서로를 상대로 하여 대립하게 하는 새로운 메커니즘을 설계하였다. 이를 통해 두 판별자는 서로 다른 정보를 제공함으로써 타겟 도메인의 특징이 소스 도메인의 지지 영역(또는 지원 영역)을 벗어나는 것을 방지할 수 있다. 본 연구는 도메인 적응 분야에서 이중 적대적 전략(dual adversarial strategy)을 탐구한 최초의 사례로, 지식의 범위를 넓히고 있다. 더불어, 반지도 학습(regularization) 기법을 활용하여 표현(representation)의 구분 능력을 더욱 강화하였다. 두 개의 실세계 데이터셋에서 실시한 종합적인 실험 결과, 제안하는 방법이 여러 최첨단 도메인 적응 기법들을 초월함을 입증하였다.