군집화로 보는 적응
원천 없는 도메인 적응을 목표 자료의 비지도 군집화 문제로 다룬다. 특징 공간에서 가까운 이웃은 다른 특징들보다 비슷한 예측을 가져야 한다는 직관에서 출발한다.
끌어당김과 분산
가까운 이웃의 예측을 비슷하게 만들면서 먼 특징의 예측은 다르게 유도한다. 특징 군집을 만들고 군집에 예시를 할당하는 과정을 함께 학습한다.
두 항으로 단순화한 목적
효율적인 학습을 위해 제안 목적의 상한을 최적화한다. 이 과정에서 단순한 두 항을 얻으며 판별력과 다양성이라는 관점으로 관련 학습 방법들을 연결한다.
확장한 클래스 조건
연구는 원천 없는 개방형 적응과 부분 집합 적응에도 방법을 확장했다. 목표 클래스 구성이 달라지는 조건에서 같은 원리가 작동하는지 평가했다.
관련 문서
SHOT / MCC 도메인 적응 / CDAN / DeCoTa / MME 반지도 도메인 적응 / DomainBed