본 논문은 소스-프리 비지도 도메인 적응 (SFUDA)을 위한 현재의 분포 정렬 방법의 계산 및 이론적 한계를 다룹니다. 특히, 타겟 레이블이 없는 상황에서 분류 성능과 신뢰도를 추정하는 데 초점을 맞춥니다. 계산적으로 다루기 어려운 양을 생성하고 사용된 정렬 알고리즘의 특성을 제대로 반영하지 못하는 기존의 이론적 프레임워크의 한계를 극복하기 위해, Semi-Discrete Optimal Transport 정렬에 의해 유도된 의사 결정 경계의 유연성을 활용하는 새로운 이론적 분석에서 파생된 신뢰도 지표인 Optimal Transport (OT) score를 제안합니다. 제안된 OT score는 직관적으로 해석 가능하고 이론적으로 엄격하며, 주어진 타겟 의사 레이블 집합에 대한 원칙적인 불확실성 추정을 제공합니다. 실험 결과는 OT score가 기존의 신뢰도 점수를 능가하며, 훈련 시간 가중치 조정을 통해 SFUDA 성능을 향상시키고 모델 성능에 대한 신뢰할 수 있는 레이블 없는 프록시를 제공함을 보여줍니다.
