초록
본 논문에서는 도메인 일반화 문제, 즉 여러 개의 관측된 소스 도메인 데이터를 활용하여 ‘미관측된’ 타겟 도메인에 대해 일반화된 특징 표현을 학습하는 방법을 다룬다. 우리는 도메인 간에 일반화된 잠재 특징 표현을 학습하기 위해 적대적 오토인코더 기반의 새로운 프레임워크를 제안한다. 구체적으로, 서로 다른 도메인 간의 분포를 정렬하기 위해 최대 평균 차이(MMD, Maximum Mean Discrepancy) 측도를 적대적 오토인코더에 도입하고, 적대적 특징 학습을 통해 정렬된 분포를 임의의 사전 분포와 일치시키는 방식으로 기존 모델을 확장한다. 이러한 방식으로 학습된 특징 표현은 MMD 정규화 덕분에 관측된 소스 도메인에 대해 보편적으로 적용 가능할 것으로 기대되며, 사전 분포의 도입으로 인해 타겟 도메인에서도 잘 일반화될 것으로 예상된다. 제안된 프레임워크의 다양한 구성 요소를 동시에 학습할 수 있는 알고리즘을 제안하였다. 다양한 비전 작업에 대한 광범위한 실험 결과는, 제안하는 프레임워크가 최첨단 도메인 일반화 기법들에 비해 미관측 타겟 도메인에 대해 더 우수한 일반화 특징을 학습할 수 있음을 입증한다.