FixBi: 비지도 도메인 적응을 위한 도메인 공간 간 연결

무 supervision 도메인 적응(UDA) 기법은 도메인 불변 표현을 학습하는 데 있어 놀라운 진전을 이루었다. 그러나 대부분의 기존 연구는 원천 도메인에서 목표 도메인으로 직접 적응하는 방식에 기반하며, 이로 인해 큰 도메인 간 차이(도메인 불일치) 문제에 직면해왔다. 본 논문에서는 이러한 큰 도메인 불일치를 효과적으로 다룰 수 있는 새로운 UDA 방법을 제안한다. 우리는 원천 도메인과 목표 도메인 사이에 다수의 중간 도메인을 보간하기 위해 고정 비율 기반의 믹스업(mixup) 기법을 도입한다. 이러한 증강된 중간 도메인을 기반으로, 서로 보완적인 특성을 지닌 원천 중심 모델과 목표 중심 모델을 각각 학습시킨다. 또한, 신뢰도 기반 학습 전략(예: 고신뢰도 예측을 활용한 양방향 매칭, 저신뢰도 예측을 이용한 자기 페널라이제이션)을 통해 두 모델은 서로 또는 자신의 예측 결과로부터 학습할 수 있다. 본 논문에서 제안한 방법을 통해 모델은 원천 도메인에서 목표 도메인으로 점진적으로 도메인 지식을 전이할 수 있다. 광범위한 실험을 통해 제안한 방법이 Office-31, Office-Home, VisDA-2017의 세 가지 공개 벤치마크에서 우수한 성능을 보임을 입증하였다.