본 논문은 지도학습 없이 실제 감각 입력으로부터 의미 있는 표현을 얻는 표현 학습에 초점을 맞추고 있습니다. 기존의 표현 학습 방법들이 독립적인 특징 축을 분리하는 것에 집중하는 반면, 본 논문은 갈루아 대수의 군 분해를 이용하여 조건부 독립성을 고려하는 새로운 방법을 제시합니다. 기존의 방법이 픽셀 단위 변환과 저해상도 이미지에만 적용 가능했던 한계를 극복하기 위해, 특징 추출과 객체 분할을 결합하여 실제 환경의 이미지에도 적용 가능하도록 개선된 방법을 제안합니다. 실제 객체와 배경을 포함하는 데이터셋을 사용하여 제안된 방법의 유효성을 검증하고, 이를 통해 인간의 객체 인식 발달에 대한 이해를 높일 수 있을 것으로 기대합니다.
