본 논문은 개인화된 얼굴 표정 인식(FER)에서 다중 소스 영역 적응(MSDA)의 한계를 극복하기 위해 점진적 MSDA 접근법을 제안합니다. 기존 MSDA 방법들은 모든 소스 데이터를 동시에 활용하여 타겟 데이터에 적응함으로써 계산 비용 증가 및 타겟과의 불일치 문제를 야기합니다. 본 논문에서 제안하는 방법은 타겟 대상과의 유사성을 기반으로 소스 데이터를 점진적으로 도입하여, 타겟과 유사한 소스만을 선택적으로 활용합니다. 이는 타겟과 유사하지 않은 소스로 인한 부정적 전이를 방지하고, 계산 효율성을 높입니다. 또한, 점진적 학습으로 인한 망각 문제를 해결하기 위해 밀도 기반 메모리 메커니즘을 도입하여 가장 관련성 높은 과거 소스 샘플을 보존합니다. Biovid와 UNBC-McMaster 데이터셋을 사용한 실험을 통해 제안된 방법의 효과를 검증합니다.
