구분 특징 정렬: 가우시안 유도 잠재 정렬을 통한 비지도 도메인 적응의 전이 가능성 향상

본 연구에서는 레이블이 붙은 데이터 도메인에서 근사 추론 모델을 학습하고, 레이블이 없는 데이터 도메인으로 일반화할 수 있도록 하는 비지도 도메인 적응 문제에 초점을 맞춘다. 비지도 도메인 적응의 성패는 주로 도메인 간 특징 정합성에 크게 의존한다. 기존 연구들은 분류기 유도 불일치를 통해 잠재 특징을 직접 정합하려는 시도를 해왔다. 그러나 큰 도메인 갭이 존재하는 경우, 이러한 직접적인 특징 정합만으로는 항상 공통 특징 공간을 학습할 수 없다는 한계가 있다. 이 문제를 해결하기 위해, 사전 분포를 기반으로 하여 잠재 특징 분포를 간접적으로 정합하는 가우시안 유도 잠재 정합 기법을 제안한다. 이러한 간접적인 접근 방식을 통해 두 도메인의 샘플에 대한 분포가 공통 특징 공간, 즉 사전 분포의 공간에서 구성되며, 이는 더욱 우수한 특징 정합을 촉진한다. 특히, 타겟 도메인의 잠재 분포를 이 사전 분포와 효과적으로 정합하기 위해, 인코더-디코더 구조의 수식적 특성을 활용한 새로운 비페어드 L1 거리 측정 방식을 제안한다. 9개의 벤치마크 데이터셋에서 실시한 광범위한 평가 결과, 제안하는 방법은 기존 최고 수준의 기법들을 능가하는 뛰어난 지식 전이 능력을 입증하였으며, 기존 기법을 크게 개선함으로써 본 방법의 유연성과 타당성도 확인하였다.