영역을 구분하기 어려운 특징
자료가 어느 영역에서 왔는지 쉽게 구분되는 특징은 전이에 불리할 수 있다. 이 연구는 원천 과제를 구분하는 능력은 유지하면서 영역 간 차이에는 덜 민감한 표현을 학습하려 했다.
레이블 조건의 차이
원천 영역은 정답 레이블을 제공하고 목표 영역은 레이블 없이 입력만 사용한다. 시험 자료와 매개변수만 있는 완전한 시험 시점 적응과는 학습에서 접근하는 자료 조건이 다르다.
기울기 반전의 활용
일반적인 신경망 계층에 기울기 반전 계층을 더해 영역에 무관한 특징이 형성되도록 한다. 표준 역전파와 확률적 기울기 하강으로 학습할 수 있는 구조로 제시됐다.
여러 과제의 평가
논문은 문서 감정 분석과 이미지 분류에서 도메인 적응 성능을 평가했다. 사람 재식별의 기술자 학습에도 적용해 표현 전이의 범위를 살폈다.
관련 문서
Deep CORAL / 불변 위험 최소화 / DomainBed / WILDS / Tent 시험 시점 적응 / 기계 학습