프로토타입 대비 적응을 통한 도메인 적응형 세분화

비지도 도메인 적응(Unsupervised Domain Adaptation, UDA)은 레이블이 붙은 소스 도메인에서 학습된 모델을 레이블이 없는 타겟 도메인에 적응시키는 것을 목표로 한다. 본 논문에서는 비지도 도메인 적응을 위한 의미 분할(semantic segmentation)을 위한 간단하고 효율적인 대조 학습 방법인 프로토타입 대조 적응(Prototypical Contrast Adaptation, ProCA)을 제안한다. 기존의 도메인 적응 방법들은 다양한 도메인 간 내 클래스 표현 분포의 정렬에만 초점을 맞추었으나, 클래스 간 구조적 관계는 충분히 탐색되지 않았다. 이로 인해 타겟 도메인에서 정렬된 표현은 소스 도메인에서와 같이 쉽게 구분되기 어려워지는 문제가 발생한다. 반면 ProCA는 클래스별 프로토타입에 클래스 간 정보를 통합하고, 클래스 중심의 분포 정렬을 통해 적응을 수행한다. 동일한 클래스의 프로토타입을 긍정 샘플로, 다른 클래스의 프로토타입을 부정 샘플로 활용함으로써 클래스 중심의 분포 정렬을 달성한다. 이를 통해 ProCA는 전통적인 도메인 적응 작업인 GTA5 → Cityscapes 및 SYNTHIA → Cityscapes에서 최신 기술 수준의 성능을 달성하였다. 코드는 다음 링크에서 확인할 수 있다: \href{https://github.com/jiangzhengkai/ProCA}{ProCA}