본 논문은 지도학습 없이 실세계 감각 입력으로부터 의미있는 표현을 획득하는 표현 학습에 초점을 맞추고 있습니다. 기존의 표현 학습 방법들이 독립적인 특징 축을 분리하는 것에 초점을 맞춘 반면, 본 논문은 갈루아 대수 이론의 군 분해를 이용하여 조건부 독립성을 고려한 새로운 표현 학습 방법을 제안합니다. 기존 방법의 한계인 저해상도 이미지 및 배경 없는 이미지 처리 문제를 해결하기 위해, 특징 추출과 객체 분할을 결합하여 실제 세계의 객체와 배경을 포함하는 데이터셋에 적용 가능하도록 개선된 방법을 제시합니다. 픽셀 변환 대신 특징 변환을 사용하고, 객체 분할을 동일한 변환 하에 특징을 그룹화하는 것으로 공식화합니다. 실제 세계 객체와 배경을 포함하는 실용적인 데이터셋을 사용하여 제안된 방법을 검증하며, 이를 통해 실제 세계에서의 객체 인식에 대한 인간 발달에 대한 이해를 향상시킬 수 있을 것으로 기대합니다.
