소스 프리 도메인 적응을 위한 아바타 프로토타입 생성 및 적응

우리는 데이터 개인정보 보호 문제로 인해 소스 도메인 데이터에 접근할 수 없지만, 사전 학습된 소스 모델과 레이블이 없는 타겟 도메인 데이터만 제공되는 실용적인 도메인 적응 과제, 즉 소스 프리 비지도 도메인 적응(UDA) 문제를 연구한다. 그러나 이 과제는 핵심적인 도전 과제인 소스 데이터의 부재와 타겟 도메인 레이블의 결여로 인해 매우 어렵다. 이를 해결하기 위해, 우리는 사전 학습된 소스 모델 내부에 숨겨진 지식을 탐색하고, 이를 활용하여 각 소스 클래스에 대한 대표적인 특징(즉, 소스 아바타 프로토타입)을 생성하며, 타겟 도메인의 가짜 레이블(pseudo labels)을 생성함으로써 도메인 간 정렬을 수행하는 방안을 제안한다. 이를 위해 대조적 프로토타입 생성 및 적응(Contrastive Prototype Generation and Adaptation, CPGA) 방법을 제안한다. 구체적으로 CPGA는 두 단계로 구성된다. (1) 프로토타입 생성: 소스 모델의 분류 경계 정보를 탐색함으로써 대조 학습을 통해 프로토타입 생성기(prototype generator)를 학습하여 아바타 프로토타입을 생성한다. (2) 프로토타입 적응: 생성된 소스 프로토타입과 타겟 가짜 레이블을 기반으로, 각 가짜 레이블이 부여된 타겟 데이터를 해당하는 소스 프로토타입에 안정적으로 정렬할 수 있도록 새로운 강건한 대조적 프로토타입 적응 전략을 개발한다. 세 가지 UDA 벤치마크 데이터셋에서 실시한 광범위한 실험을 통해 제안된 방법의 효과성과 우수성을 입증하였다.