본 논문은 자원 제약이 있는 IoT 기기에서의 심층 학습 모델 정확도 저하 문제를 해결하기 위해, 야생 동물 카메라 트랩을 예시로 들며 새로운 적응 프레임워크인 WildFit을 제시합니다. WildFit은 배경 변화에 집중하여 온디바이스 합성을 통해 학습 데이터를 생성하고, 필요시에만 모델 업데이트를 수행하는 드리프트 인식 미세 조정 기법을 사용합니다. 이는 제한된 연결성과 에너지 제약 하에서도 정확한 종 분류를 유지할 수 있도록 합니다. 배경 인식 합성은 기존 방법보다 효율적이며, 드리프트 인식 미세 조정은 업데이트 횟수를 줄이면서 정확도를 향상시킵니다. 결과적으로 WildFit은 기존 도메인 적응 방법보다 20-35% 높은 성능을 보이며, 37일 동안 11.2 Wh의 에너지만 소모합니다.
