비슷한 외형을 구별하는 단서
타깃 도메인의 정답 주석이 없으면 외형이 비슷한 범주 사이의 미세한 차이를 배우기 어렵다. MIC는 타깃 영상의 공간 문맥 관계를 추가 단서로 학습하도록 도메인 적응을 보강한다.
가림과 교사 예측
무작위 패치를 가린 타깃 이미지의 예측과 전체 이미지로 지수 이동 평균 교사가 만든 의사 레이블 사이의 일관성을 강제한다. 교사는 사람이 만든 타깃 정답을 대신하는 관측 장치가 아니라 학습된 예측기다.
문맥으로 추론하는 학습
일관성 손실을 줄이려면 가려진 영역의 예측을 주변 문맥에서 추론해야 한다. 분류와 의미 분할, 물체 검출 등 여러 시각 인식 과제의 도메인 적응에 통합할 수 있는 모듈로 제안됐다.
문맥 오류의 독립 예
설명용으로 보도 가장자리를 가렸을 때 주변 도로만 보고 전부 차도로 예측할 수 있다. 문맥을 쓰는 능력과 문맥만으로 항상 정답을 맞히는 능력은 다르다. 실제 실험을 옮기지 않은 가림 학습의 한계 예다.
관련 문서
도메인 적응 / DAFormer / HRDA / Refign / 의미 분할 / RAM 이미지 복원