초록
최근 자동 증강(Automatic augmentation) 기법은 비전 작업에서 강력한 모델 성능을 달성하는 데 핵심적인 역할을 하고 있다. 기존의 자동 증강 기법들은 단순성, 비용, 성능 사이에서 트레이드오프를 요구하지만, 본 연구에서는 매개변수 없이 각 이미지에 단일 증강만을 적용하는 가장 간단한 기반 모델인 TrivialAugment을 제안한다. 이는 거의 비용 없이 기존의 모든 방법들을 뛰어넘는 성능을 달성하고 있다. TrivialAugment의 효과는 예상 밖이었으며, 그 성능을 철저히 탐구하기 위해 광범위한 실험을 수행하였다. 먼저, 다양한 이미지 분류 시나리오에서 TrivialAugment을 이전의 최고 수준 기법들과 비교하였다. 이후, 증강 공간, 증강 방법, 실험 설정 등 다양한 요소를 바꿔가며 다수의 아블레이션(Ablation) 연구를 수행하여 그 성능을 뒷받침하는 핵심 요건을 규명하였다. 더불어 자동 증강 기법의 보편적 적용을 돕기 위한 간단한 인터페이스와 재현 가능성을 위한 전체 코드베이스도 공개한다. 본 연구는 자동 증강 연구 분야의 많은 부분이 정체된 상태임을 드러내며, 향후 지속적인 발전을 위한 최선의 실천 방안을 간략히 제안함으로써 마무리한다.