본 논문은 실제 환경에서 딥 모델 배포 시 발생하는 성능 저하 문제를 해결하기 위해, 테스트 시점 적응(TTA)을 혼합된 분포 이동 환경에서 효과적으로 적용하는 방법을 연구한다. 특히, 푸리에 공간에서 도메인 간의 이질성이 두드러진다는 점을 발견하고, 고주파 성분을 활용하여 데이터를 클러스터링하는 새로운 프레임워크인 Frequency-based Decentralized Adaptation (FreDA)를 제안한다. FreDA는 분산 학습 및 증강 전략을 통해 혼합된 도메인 이동에 강건하게 적응하며, 다양한 환경에서의 실험을 통해 기존 방법들보다 우수한 성능을 입증했다.
