많은 자료가 항상 같은 분포는 아니다
인터넷이나 큰 자료 모음에서 미주석 이미지를 더 확보해도 타깃과 분포가 다를 수 있다. 이런 이미지를 기존 반지도 학습에 그대로 넣으면 부정확한 의사 레이블이 학습을 잘못 이끌 수 있다.
개방 어휘 모형의 사용
SemiOVS는 분포 밖 이미지의 의사 레이블을 생성할 때 개방 어휘 분할 모형을 활용한다. 기존 타깃 범주와 환경에만 맞춰진 예측에 의존하는 문제를 다루려는 구성이다. 개방 어휘라는 이름이 모든 범주를 정확히 분할한다는 보장은 아니다.
추가 자료와 감독 품질
연구는 주석이 적은 조건에서 추가 미주석 자료의 활용과 개방 어휘 의사 레이블의 효과를 평가한다. 자료 수 증가의 효과와 레이블 생성 방법의 효과를 나누어 확인해야 한다.
분포 차이의 독립 예
설명용으로 도로 사진을 학습하는 모형에 실내 전시장의 자동차 사진을 더하면 물체 이름은 같아도 배경과 배치가 달라진다. 자료가 늘었다는 사실만으로 유용한 감독이 늘었다고 단정할 수 없다. 실제 연구 사례를 옮기지 않은 분포 차이의 예다.
관련 문서
SemiVL / UniMatch V2 / 반지도 학습 / 의미 분할 / 도메인 적응 / CLIP