본 논문은 오픈셋 환경에서의 능동 학습(AL) 문제를 해결하기 위해 에너지 기반 능동 오픈셋 주석(EAOA) 프레임워크를 제안합니다. 기존 방법들이 낮은 인식 불확실성(EU) 또는 높은 우연적 불확실성(AU)에만 집중하여 최적의 성능을 내지 못하는 한계를 극복하고자, EU와 AU를 효과적으로 통합하는 방법을 제시합니다. EAOA는 (C+1)-클래스 검출기와 목표 분류기를 사용하며, 검출기에는 에너지 기반 EU 측정 및 마진 기반 에너지 손실을, 목표 분류기에는 에너지 기반 AU 측정을 통합합니다. 또한, 목표 중심 적응적 샘플링 전략을 통해 먼저 낮은 EU 점수를 가진 후보 집합을 형성하여 AU 측정의 의미를 높이고, 이후 높은 AU 점수를 가진 예제를 최종 질의 집합으로 선택합니다. 실험 결과, EAOA는 최첨단 성능을 달성하면서 높은 질의 정확도와 낮은 훈련 오버헤드를 유지함을 보여줍니다. 소스 코드는 깃허브에서 공개됩니다.
