RelationMatch: 반응-배치 내 관계 매칭을 통한 반감독 학습

반감독 학습(Semi-supervised learning, SSL)은 제한된 레이블 데이터와 풍부한 비라벨 데이터를 효과적으로 활용하기 위한 핵심적인 접근 방식으로 부상하고 있다. 그러나 최근의 급속한 발전에도 불구하고, 기존의 SSL 기법들은 주로 개별 샘플의 다양한 증강된 관측값 간의 일관성을 강제하는 데 집중하여, 미니배치 내부에 내재된 � богrich한 관계 구조를 간과하고 있다. 본 논문에서는 미니배치 내 관계 구조의 일관성을 명시적으로 강화하기 위해 행렬 교차 엔트로피(Matrix Cross-Entropy, MCE) 손실 함수를 도입한 새로운 SSL 프레임워크인 RelationMatch를 제안한다. 제안된 MCE 손실은 행렬 분석 및 정보 기하학적 관점에서 엄밀히 도출되었으며, 이는 이론적 타당성과 실용적 효율성을 동시에 보장한다. STL-10 기준에서 FlexMatch 대비 15.21%의 정확도 향상을 보인 광범위한 실험 평가를 통해 RelationMatch가 최신 기술 수준을 초월하는 성능을 달성함과 동시에, SSL에 관계적 신호를 체계적으로 통합할 수 있는 원리적 기반을 제공함을 입증하였다.