본 논문은 객체 탐지 모델 학습 과정에서 발생하는 문맥 편향(context bias)의 원인을 인과적으로 분석하고, 이를 해결하기 위한 새로운 방법을 제시한다. 기존의 도메인 적응 기반 객체 탐지(DAOD) 연구는 문맥 편향을 최소화하는 다양한 방법을 제안했지만, 그 원인과 제거 방법에 대한 원리적인 접근은 부족했다. 본 연구는 합성곱 신경망의 풀링 연산이 문맥 편향의 원인일 수 있다는 점을 밝히고, 전경 마스크를 추가 입력으로 사용하여 전경과 배경 영역의 풀링 과정을 분리하는 마스크 풀링(Mask Pooling) 기법을 제안한다. 또한, 절대적으로 무작위 배경에서 전경을 사용하는 새로운 벤치마크를 통해 DAOD 모델의 강건성을 분석한다. 이를 통해 도메인 변화에 따른 문맥 편향을 최소화하기 위한 원리적인 접근법을 제시하고자 한다.
