# OT Score: An OT based Confidence Score for Prototype-Assisted Source Free Unsupervised Domain Adaptation

### 저자

Yiming Zhang, Sitong Liu, Alex Cloninger

### 💡 개요

본 논문은 소스 데이터 없이 타겟 도메인의 레이블을 활용하지 않는 비지도 도메인 적응(SFUDA) 문제에서 기존 분포 정렬 방법의 계산 및 이론적 한계를 극복하고자 합니다. 소스 클래스 평균 특징을 활용하여 타겟 레이블 없이 분류 성능과 신뢰도를 추정하는 데 초점을 맞추고, 준이산 최적 운송(Semi-Discrete Optimal Transport) 정렬에서 발생하는 의사 결정 경계의 유연성을 활용한 새로운 이론적 분석을 기반으로 하는 OT 점수(OT Score)라는 신뢰도 지표를 제안합니다. OT 점수는 직관적으로 해석 가능하고 이론적으로 엄밀하며, 제안된 방법론은 기존 신뢰도 점수보다 우수하고 SFUDA 성능 향상에 기여합니다.

### 🔑 시사점 및 한계

- **이론적 기반 강화:** 기존 SFUDA 방법론의 이론적 한계를 극복하고, 준이산 최적 운송 정렬의 특성을 활용한 이론적으로 엄밀한 신뢰도 추정 방법을 제시합니다.

- **실용적인 성능 향상:** 제안된 OT 점수는 타겟 레이블 없이도 모델의 분류 성능과 신뢰도를 효과적으로 추정하며, 훈련 시 가중치 재조정을 통해 SFUDA 성능을 향상시키고 모델 성능에 대한 신뢰할 수 있는 프록시 역할을 수행합니다.

- **계산적 복잡성:** OT 점수의 계산 자체에 대한 추가적인 계산 비용이 발생할 수 있으며, 특히 대규모 데이터셋이나 실시간 적용 시 이러한 계산 복잡성이 한계로 작용할 수 있습니다.

[PDF 보기](https://arxiv.org/pdf/2505.11669)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).