영역 구분만으로 부족한 이유
원천과 목표를 구분하는 영역 분류기만 쓰면 실제 과제의 클래스 결정 경계를 충분히 반영하지 못할 수 있다. 분포를 맞춰도 경계 근처의 모호한 특징이 남는 문제를 다뤘다.
불일치로 목표 예시 탐지
두 과제 분류기의 출력 차이를 최대화해 원천 자료의 지지 영역에서 먼 목표 예시를 찾아낸다. 단순한 영역 식별보다 과제별 결정 경계를 이용하는 신호다.
특징 생성기의 정렬
특징 생성기는 분류기의 출력 차이를 줄이도록 목표 특징을 바꾼다. 이 과정을 통해 목표 자료가 원천 자료가 지지하는 영역에 가까워지도록 학습한다.
분류와 분할의 적용
초기 논문은 여러 이미지 분류와 의미 분할 자료에서 효과를 평가했다. 핵심은 목표 자료의 정답 없이 과제 분류기 간 차이를 적응 신호로 활용하는 구성이다.
관련 문서
ADDA / 도메인 적대 신경망 / Deep CORAL / 불변 위험 최소화 / DomainBed / WILDS