본 논문은 레이블 분포 학습(LDL)에서 레이블 공간의 부정확성으로 인한 문제를 해결하기 위해 잠재 레이블 분포 그리드(LLDG)를 제안합니다. LLDG는 레이블 간의 상관관계를 기반으로 가우시안 분포를 따르는 벡터로 확장하여 레이블 공간의 불확실성을 모델링합니다. 특히, 저차원 구조를 강제하여 노이즈 감소를 수행하고, LLDG 믹서를 통해 정확한 레이블 분포를 생성합니다. 실험 결과, 제안된 방법이 여러 벤치마크에서 경쟁력 있는 성능을 보임을 확인했습니다.
