본 논문은 도메인 간의 심각한 변화로 인해 어려운 교차 도메인 얼굴 표정 인식(CD-FER) 문제를 해결하기 위해, ResNet-50을 백본으로 사용하는 하이브리드 프레임워크인 GAT-ADA(Graph-Attention Network with Adversarial Domain Alignment)를 제안합니다. GAT는 미니 배치를 희소 링 그래프로 간주하여 주의를 통해 샘플 간 관계를 모델링합니다. 또한 Gradient Reversal Layer(GRL)를 사용한 적대적 학습과 CORAL 및 MMD를 사용한 통계적 정렬을 결합하여 분포를 정렬합니다. RAF-DB를 소스로, CK+, JAFFE, SFEW 2.0, FER2013, ExpW를 대상으로 한 표준 비지도 도메인 적응 프로토콜에서 GAT-ADA는 평균 74.39%의 교차 도메인 정확도를 달성했습니다. 특히 RAF-DB에서 FER2013으로의 전이에서는 98.0%의 정확도를 달성하여 동일한 백본 및 전처리를 사용한 최고 기준선보다 약 36% 향상된 결과를 보였습니다.
