음성적 클래스 조건부 도메인 정렬을 통한 비지도 도메인 적응

우리는 도메인 내 클래스 불균형과 도메인 간 클래스 분포 차이라는 실용적 고려사항에 중점을 두어, 클래스 조건부 도메인 정합 관점에서 비지도 도메인 적응을 위한 새로운 접근법을 제안한다. 현재의 클래스 조건부 도메인 정합 기법들은 타겟 도메인의 가상 레이블 추정을 기반으로 한 손실 함수를 명시적으로 최소화하려는 데 초점을 맞추고 있다. 그러나 이러한 방법들은 가상 레이블 오차가 누적되는 형태의 가상 레이블 편향 문제에 노출되어 있다. 본 연구에서는 가상 레이블로부터 모델 파라미터를 직접 최적화할 필요를 제거하는 방법을 제안한다. 대신, 샘플링 기반의 암묵적 정합 기법을 제시하며, 이 경우 샘플 선택 절차는 가상 레이블에 의해 암묵적으로 안내된다. 이론적 분석을 통해, 정합이 잘못된 클래스들에서 도메인 구분자에 대한 단순화된 경로가 존재함을 밝혀냈으며, 제안하는 암묵적 정합 기법은 이러한 문제를 해결함으로써 도메인 적대적 학습을 촉진한다. 실증적 결과와 아블레이션 연구를 통해, 특히 도메인 내 클래스 불균형과 도메인 간 클래스 분포 차이가 존재하는 상황에서도 제안한 방법의 효과성을 입증하였다.