일반화된 도메인 적응

도메인 적응은 도메인 갭이 존재하는 상황에서 지식을 전이하는 것을 목표로 한다. 기존의 도메인 적응 방법들은 소스 도메인과 타겟 도메인의 레이블 집합 간의 관계에 대한 풍부한 사전 지식에 의존하며, 이는 실제 환경에서의 적용을 크게 제한한다. 본 논문은 레이블 집합에 대한 사전 지식이 전혀 필요하지 않은 '일반 도메인 적응(Universal Domain Adaptation, UDA)'을 제안한다. 주어진 소스 레이블 집합과 타겟 레이블 집합은 공통 레이블 집합을 포함할 수 있으며, 각각 고유한 레이블 집합(개별 레이블 집합)을 가질 수 있는데, 이로 인해 추가적인 카테고리 갭이 발생한다. UDA는 모델이 (1) 타겟 샘플이 공통 레이블 집합에 속한 레이블과 연관되어 있을 경우 올바르게 분류하거나, (2) 그렇지 않을 경우 이를 "알 수 없음(unknown)"으로 표시하도록 요구한다. 더욱 중요하게도, UDA 모델은 공통 레이블 집합이 전체 레이블 집합에 비해 차지하는 비율(공통성 비율, commonness)의 넓은 범위에 대해 안정적으로 작동해야 하며, 이는 타겟 레이블 집합이 미지인 현실 세계 문제를 다룰 수 있도록 한다. 이러한 일반 도메인 적응 문제를 해결하기 위해, 본 연구는 '일반 적응 네트워크(Universal Adaptation Network, UAN)'를 제안한다. UAN은 샘플 수준의 전이 가능성(transferability)을 정량화함으로써 공통 레이블 집합과 각 도메인 고유의 레이블 집합을 탐지하고, 자동으로 발견된 공통 레이블 집합에서의 적응을 촉진하며, 동시에 "알 수 없음" 샘플을 성공적으로 인식할 수 있도록 한다. 철저한 평가 결과, UAN은 새로운 UDA 설정에서 기존의 폐쇄형, 부분형, 개방형 도메인 적응 방법들을 모두 능가하는 성능을 보였다.