본 논문은 다중 레이블 분류에서의 노이즈 레이블 학습 문제를 다룬다. 기존의 노이즈 레이블 학습 연구가 주로 다중 클래스 분류에 집중된 것과 달리, 본 논문은 다중 레이블 분류에 초점을 맞추어 노이즈가 포함된 레이블로 학습된 분류기의 예측값을 사후 수정하는 방법을 제안한다. 이는 계산 자원을 절약하고, 다른 노이즈 레이블 수정 기법과 함께 사용하여 성능을 향상시킬 수 있다는 장점이 있다. 불확실성 추정이 가능한 심층 생성 모델을 활용하여, 잠재 변수의 확률적 변화로 노이즈 레이블이 발생한다는 가정 하에 비지도 학습 및 준지도 학습 방법을 개발하였다. 다양한 노이즈 레이블 설정에서 기존 방법들보다 우수한 성능을 보임을 실험적으로 입증하고, 방법의 강건성을 검증하기 위한 광범위한 실험 분석(민감도 분석, ablation study 등)을 수행하였다.
