공통점만 찾을 때의 한계
합성 자료로 학습한 인식 모델은 실제 이미지에 그대로 일반화하지 못할 수 있다. 영역 사이의 대응이나 공유 표현만 찾으면 각 영역의 개별 특성이 학습에서 충분히 다뤄지지 않을 수 있다.
고유 성분과 공유 성분
DSN은 이미지 표현을 두 부분 공간으로 나눈다. 각 영역에 고유한 정보는 별도 성분에 담고 영역을 넘어 공유할 정보는 공통 성분으로 학습한다.
분류와 재구성의 결합
원천 영역의 과제 학습에 더해 분리한 표현으로 양쪽 영역의 이미지를 재구성한다. 영역 특성을 명시적으로 다루면서 공통 특징을 추출하는 능력을 높이려는 구성이다.
적응 과정의 해석
연구는 여러 비지도 도메인 적응 조건에서 모델을 평가했다. 고유 표현과 공유 표현을 시각화해 영역별 정보가 어떻게 나뉘는지 해석할 수 있는 결과도 제시했다.
관련 문서
DRCN 도메인 적응 / Deep Domain Confusion / ADDA / Generate To Adapt / DAN 도메인 적응 / CDAN