전체 분포와 클래스 구조
영역 전체의 특징 분포를 맞추는 것만으로 각 클래스의 분포가 적절히 대응한다고 볼 수는 없다. CDAN은 여러 클래스가 만드는 복합적인 구조를 적응 과정에 반영하려는 방법이다.
예측을 조건으로 활용
영역 판별 모델에 분류기의 예측 정보를 함께 제공한다. 원천과 목표를 구분하는 과정이 실제 분류 과제의 판별 정보에 영향을 받도록 구성한다.
다중선형 조건화
특징과 예측을 결합하는 다중선형 조건화로 두 정보의 교차 공분산을 포착한다. 특징만을 사용하는 정렬보다 클래스 판별에 필요한 관계를 더 직접적으로 다룬다.
예측 불확실성과 가중
엔트로피 조건화는 분류기 예측의 불확실성을 고려해 전이를 조절한다. 연구는 이 구성의 이론적 분석과 다섯 데이터셋의 실험을 함께 제시했다.
관련 문서
SHOT / 도메인 적대 신경망 / Deep CORAL / ADDA / MCD 도메인 적응 / DomainBed