자기적 대립적 분리 기반 특정 도메인 적응

도메인 적응은 소스 도메인과 타겟 도메인 간의 도메인 편차를 극복하는 것을 목표로 한다. 이러한 편차는 안개, 강수량 등 다양한 차원에서 발생할 수 있다. 그러나 최근의 대부분의 방법들은 특정 차원에서의 도메인 편차에 대한 명시적인 사전 지식을 고려하지 않기 때문에, 바람직한 적응 성능을 달성하기 어렵다. 본 논문에서는 특정 차원에서 소스 도메인과 타겟 도메인을 일치시키는 실용적인 설정인 특정 도메인 적응(Specific Domain Adaptation, SDA)을 탐구한다. 이 설정 내에서, 특정 도메인에 적응할 때, 해당 차원 내에서 도메인 특성(즉, 도메인 편차의 수치적 크기)의 차이에 의해 발생하는 내부 도메인 갭(intra-domain gap)이 핵심적임을 관찰한다. 이를 해결하기 위해 우리는 새로운 자기 대립 분리(Self-Adversarial Disentangling, SAD) 프레임워크를 제안한다. 구체적으로, 특정 차원을 고려할 때, 추가적인 감독 신호를 제공하는 도메인 특성 생성기(domainness creator)를 도입하여 소스 도메인을 풍부하게 한다. 생성된 도메인 특성에 따라, 자기 대립 정규화 항(self-adversarial regularizer)과 두 가지 손실 함수를 설계하여, 잠재 표현을 도메인 특성에 특화된 특징과 도메인 특성에 무관한 특징으로 분리함으로써 내부 도메인 갭을 완화한다. 제안한 방법은 추론 시간에 추가적인 비용 없이 간편하게 플러그 앤 플레이 형태로 적용 가능하다. 객체 탐지 및 세분화 작업 모두에서 최신 기법들에 비해 일관된 성능 향상을 달성하였다.