본 논문은 딥러닝 모델 학습 시 노이지 레이블이 성능에 미치는 부정적 영향을 다루며, 특히 레이블 재정비(label refurbishment) 방법에서 발생하는 '의미 오염(Semantic Contamination)' 문제를 제기합니다. 기존 레이블 재정비 방법(예: Robust LR)은 뷰 또는 모델의 로짓을 활용하여 노이지 레이블을 재구축하지만, 개별 클래스의 의미 정보 균형 또는 모델 간 일관된 의미 관계 유지를 제대로 수행하지 못한다는 것을 분석합니다. 이를 해결하기 위해, 본 논문은 재정비된 레이블에 대한 준지도 학습을 통해 뷰와 모델 간 임베딩에서 적절한 의미 연관성을 추출하는 새로운 방법인 '협업 교차 학습(Collaborative Cross Learning)'을 제안합니다. 실험 결과, 제안된 방법이 합성 및 실제 노이지 데이터셋에서 기존 방법보다 성능이 우수하며, 의미 오염 문제를 효과적으로 완화함을 보여줍니다.
