본 논문은 Cross-Domain Few-Shot Segmentation (CDFSS)에서 소스 도메인과 거리가 먼 타겟 도메인의 경우, 성능이 초기 epoch에서 최고점을 찍고 이후 감소하는 현상에 주목합니다. 이 현상의 원인을 저수준 특징의 도메인 이동 취약성으로 인한 급격한 손실 함수 지형으로 분석하고, 이를 해결하기 위한 두 가지 모듈을 제안합니다. 첫 번째 모듈은 소스 도메인 학습 중 저수준 특징의 손실 함수 지형을 완화하는 sharpness-aware minimization 방법을, 두 번째 모듈은 저수준 특징 기반 보정을 통해 타겟 도메인 정보를 직접 모델에 추가하는 방법을 제시합니다. 실험 결과, 제안된 방법은 기존 최고 성능 모델보다 1-shot과 5-shot 시나리오에서 각각 3.71%와 5.34%의 평균 MIoU 향상을 보였습니다.
