본 논문은 초분광 영상 이상 탐지(HAD)에서의 도메인 간 탐지 성능 향상을 위해 지속적 학습 기반 캡슐 차별적 생성적 적대 신경망(CL-CaGAN)을 제안합니다. 기존 심층 학습 기반 방법들의 한계인 사전 정보 부족과 catastrophic forgetting 문제를 해결하기 위해, 적대적 학습 네트워크가 결합된 수정된 캡슐 구조를 사용하여 배경 분포를 추정하고, 클러스터링 기반 샘플 재생 전략과 자기 증류 정규화를 통해 과거 및 미래 지식을 통합합니다. 또한, 차별적 강화를 통해 생성 성능을 높이고 훈련 과정을 안정화시켜 배경 샘플의 재구성 능력을 향상시킵니다. 실제 초분광 영상 데이터를 사용한 실험 결과, CL-CaGAN이 기존 방법보다 높은 탐지 성능과 지속적 학습 능력을 보임을 확인했습니다.
