감독하에의 도메인 적응: 그래프 임베딩 관점과 보정된 실험 프로토콜

도메인 적응(Domain Adaptation)은 서로 다른 도메인에서 발생하는 데이터 간의 분포 간극을 완화하는 과정이다. 본 논문에서는 소스 도메인과 타겟 도메인 데이터 간의 쌍별 관계를 활용하는 도메인 적응 방법이, 내재적 그래프와 페널티 그래프의 구조에 도메인 레이블을 포함시킨 그래프 임베딩(Graph Embedding)으로 공식화될 수 있음을 보여준다. 구체적으로, 현재 최신의 세 가지 지도형 도메인 적응 방법의 손실 함수를 분석하여, 이들이 모두 그래프 임베딩을 수행하고 있음을 입증한다. 또한, 이러한 방법들이 소수 샘플 학습(few-shot learning) 능력을 보여주기 위해 일반적으로 사용되는 실험 설정과 관련된 일반화 및 재현 가능성 문제를 지적한다. 지도형 도메인 적응 방법들을 정확히 평가하고 비교하기 위해, 보정된 평가 프로토콜을 제안하며, 표준 데이터셋인 Office31(Amazon, DSLR, Webcam), Digits(MNIST, USPS, SVHN, MNIST-M), VisDA(Synthetic, Real)에 대한 업데이트된 벤치마크를 보고한다.