본 논문은 기존의 도메인 불변 특징 추출 방식의 한계를 극복하고자, Generalized Label Shift (GLS) 이론을 기반으로 새로운 Cross-domain Gaze Estimation (CDGE) 방법을 제시합니다. 기존 CDGE 방법들이 도메인 간 차이를 특징 공간에서 완화하는 데 집중한 것과 달리, 본 논문은 label shift와 conditional shift 문제로 cross-domain 문제를 모델링합니다. 이를 위해 GLS 보정 프레임워크를 제안하고, 특히 label shift 보정에서 연속성 문제를 해결하기 위해 truncated Gaussian distribution 기반의 중요도 재가중 전략을 도입합니다. 또한, 재가중된 소스 분포를 조건 불변 학습에 통합하기 위해 조건 연산자 불일치에 대한 확률 인식 추정 방식을 제시합니다. 다양한 백본 모델을 사용한 실험을 통해 제안된 방법의 우수한 일반화 성능과 다양한 모델 적용성을 검증합니다.
