정답 자료의 불균형
반지도 도메인 적응은 원천 정답 자료와 목표의 소량 정답 및 무정답 자료를 함께 사용한다. 이들을 구분 없이 학습하면 원천 자료가 지배해 목표의 지도를 충분히 쓰지 못할 수 있다.
두 가지 하위 과제
DeCoTa는 목표 영역 내부의 반지도 학습과 영역 사이의 비지도 적응으로 문제를 나눈다. 각 하위 과제가 적합한 지도 정보를 활용해 서로 다른 분류기를 학습한다.
확신이 높은 예측의 교환
두 분류기는 확신이 높은 예측을 주고받으며 반복적으로 서로 가르친다. 서로 다른 학습 구성이 지닌 강점을 공동 학습으로 통합하는 방식이다.
적대 학습 없는 구성
연구의 구성은 적대적 학습을 요구하지 않는다. 공동 학습이 성공하는 이론적 조건을 검토하고 여러 반지도 도메인 적응 데이터셋에서 평가했다.
관련 문서
SHOT / MCC 도메인 적응 / CDAN / 도메인 적대 신경망 / FixMatch / Mean Teacher