의사 라벨의 되먹임
모델이 만든 라벨을 지나치게 신뢰하면 초기 오류가 후속 학습에 반복될 수 있다. FIS-OT는 이러한 확증 편향과 국소 정보 활용의 부족을 함께 다룬다.
특징 강화 생성기
FEG 모듈은 내부 정규화 역할을 한다. 삼중항 손실로 국소 일관성을 학습하며, 잡음이 있는 의사 라벨에 의존하지 않는 감독 신호를 제공한다.
특징 유도 구조 사전
고정된 시간 골격에 동적으로 계산한 특징 유사도를 결합한다. 시간적 연속성을 유지하면서도 영상의 행동 구조에 맞춰 수송 문제의 정렬이 달라질 수 있게 한다.
순환 최적화
국소 특징 학습과 전체 구조 정렬을 순환적으로 연결한다. 관련 연구는 세 데이터셋에서 평가했으며, 의사 라벨의 영향을 줄이는 설계가 모든 오류를 제거한다는 뜻은 아니다.
관련 문서
ASOT 행동 분할 / CLOT 행동 분할 / 삼중항 손실 기반 단일 영상 행동 분할 / 시간 최적 수송 기반 온라인 행동 군집화 / 최적 수송 / 비지도 학습