도메인 적응형 객체 Re-ID를 위한 하이브리드 메모리와 자가 주도형 대비 학습

도메인 적응 객체 재식별(Domain Adaptive Object Re-ID)은 라벨이 붙은 소스 도메인에서 학습된 지식을 라벨이 없는 타겟 도메인으로 전이함으로써 개방형 클래스 재식별 문제를 해결하는 것을 목표로 한다. 최신의 의사 레이블 기반 방법들은 높은 성과를 거두었지만, 도메인 간 차이와 만족스럽지 못한 클러스터링 성능으로 인해 유용한 정보를 충분히 활용하지 못했다. 이러한 문제를 해결하기 위해, 하이브리드 메모리를 갖춘 새로운 자기주도적 대조 학습 프레임워크를 제안한다. 하이브리드 메모리는 소스 도메인의 클래스 수준, 타겟 도메인의 클러스터 수준, 그리고 클러스터링되지 않은 인스턴스 수준의 감독 신호를 동적으로 생성하여 특징 표현 학습에 활용한다. 기존의 대조 학습 전략과 달리, 제안하는 프레임워크는 소스 도메인의 클래스와 타겟 도메인의 클러스터, 그리고 클러스터링되지 않은 인스턴스를 동시에 구분한다. 특히 중요한 점은, 제안된 자기주도적 방법이 점진적으로 더 신뢰할 수 있는 클러스터를 생성함으로써 하이브리드 메모리와 학습 목표를 정교화한다는 점이며, 이는 본 연구의 뛰어난 성능을 이끄는 핵심 요소로 입증되었다. 제안한 방법은 다양한 객체 재식별 도메인 적응 작업에서 최신 기술을 능가하며, 추가적인 레이블 없이도 소스 도메인 성능을 향상시킬 수 있다. 비지도 객체 재식별에 대한 일반화된 버전은 Market-1501 및 MSMT17 벤치마크에서 각각 최신 기술 대비 16.7%, 7.9%의 상당한 성능 향상을 달성하였다.