본 논문은 도메인 일반화를 위한 새로운 두 단계 접근 방식인 Context-Aware Self-Adaptation (CASA)을 제시합니다. CASA는 근사적인 메타 일반화 시나리오를 시뮬레이션하고, 자기 적응 모듈을 통합하여 사전 훈련된 메타 소스 모델을 메타 타겟 도메인에 맞게 조정하면서 메타 소스 도메인에 대한 예측 능력을 유지합니다. 자기 적응의 핵심 개념은 미니 배치 특징의 평균과 같은 문맥 정보를 도메인 지식으로 활용하여 첫 번째 단계에서 훈련된 모델을 두 번째 단계의 새로운 문맥에 자동으로 적응시키는 것입니다. 마지막으로, 여러 메타 소스 모델의 앙상블을 사용하여 테스트 도메인에 대한 추론을 수행합니다. 실험 결과, 제안된 방법이 표준 벤치마크에서 최첨단 성능을 달성함을 보여줍니다.
