클래스 중첩의 불확실성
실제 목표 영역에는 원천의 클래스 일부가 없거나 새로운 클래스가 있을 수 있다. DANCE는 부분 집합이나 개방형 같은 조건이 사전에 알려져 있다고 가정하는 접근의 제약을 다룬다.
목표 구조의 자기지도 학습
원천 클래스에만 의존해서는 목표를 구분하는 특징을 충분히 배우기 어렵다. 이웃 군집화 기법으로 목표 영역의 구조를 자기지도 방식으로 학습한다.
정렬과 미지 범주의 거부
엔트로피를 이용해 목표 특징을 원천과 정렬하거나 미지 클래스로 거부한다. 목표에 등장한 모든 예시를 원천의 기존 클래스에 억지로 배정하지 않는 구성이다.
서로 다른 클래스 조건
개방형과 개방 부분 집합 및 부분 집합 적응 조건에서 기존 방법과 비교했다. 중심은 임의의 클래스 구성 변화에 적용할 수 있는 적응 프레임워크다.
관련 문서
SHOT / AaD 원천 없는 도메인 적응 / 이웃 상호성 기반 원천 없는 적응 / MCC 도메인 적응 / CDAN / MME 반지도 도메인 적응