본 논문은 기존의 레이블 분포 학습(LDL)이 각 레이블의 절대적인 강도를 고려하지 않고 상대적인 레이블 설명 정도만을 예측한다는 한계를 지적합니다. 이를 해결하기 위해, 레이블 분포의 절대적인 설명 정도를 나타내는 '배경 농도(background concentration)'라는 새로운 개념을 제시합니다. 레이블 분포와 배경 농도를 함께 학습하는 '농도 분포 학습(CDL)'이라는 새로운 패러다임을 제안하고, 확률적 방법과 신경망을 이용한 새로운 모델을 제시합니다. 실험 결과, 제안된 방법이 기존 LDL 방법들보다 더 정확한 예측 결과를 얻는 동시에 레이블 분포에서 배경 농도를 추출할 수 있음을 보여줍니다. 소스 코드는 GitHub에서 공개됩니다.
