본 논문은 객체 탐지에서 도메인 적응(DAOD) 성능 저하의 주요 원인 중 하나인 문맥 편향(context bias), 즉 학습된 전경-배경(FG-BG) 연관성에 대한 영향을 심층적으로 분석합니다. 전경-배경 연관성이 모델 학습 과정에서 어떻게 인코딩되는지, 탐지 성능과의 인과 관계는 무엇인지, 그리고 도메인 적응에 미치는 영향은 무엇인지 세 가지 주요 질문에 대해 탐구합니다. 배경 마스킹과 특징 변화를 통한 성능 저하 분석, 도-계산(do-calculus)을 활용한 인과 관계 분석, 그리고 새로운 지표인 도메인 연관 그래디언트(domain association gradient)를 제안하여 다양한 모델과 데이터셋(ALDI++ 포함)에서 실험을 수행합니다. 그 결과, 합성곱 기반 객체 탐지 모델이 전경-배경 연관성을 인코딩하며, 이러한 문맥 편향이 도메인 간 일반화 능력을 저해하는 인과적 요인임을 밝힙니다. 이는 DAOD 프레임워크에서 문맥 편향을 명시적으로 해결해야 함을 강조하고, 더욱 강건하고 일반화 가능한 객체 탐지 시스템 개발을 위한 통찰력을 제공합니다.
