본 논문은 생체 행동 시계열 데이터에 적용되는 대조 학습 프레임워크에서 자동으로 데이터 증강 방법을 학습하는 새로운 모듈인 LEAVES를 제안합니다. 기존 대조 학습은 데이터 증강 기법에 의존하지만, 최적의 증강 방법 및 파라미터를 찾는 과정이 어렵고 시간이 많이 소요됩니다. LEAVES는 적대적 학습을 이용하여 대조 학습 프레임워크 내에서 증강 하이퍼파라미터를 학습합니다. SimCLR과 BYOL을 사용한 다양한 생체 행동 데이터셋 실험 결과, LEAVES는 기존 방법들과 비교하여 경쟁력 있는 성능을 보이며, 기존 방법(예: ViewMaker)보다 훨씬 적은 파라미터(약 20개)로 효율성을 크게 높였습니다. 수동 하이퍼파라미터 튜닝이 거의 필요 없어 대규모 또는 실시간 의료 응용 분야에 적합합니다.
