Single Domain Generalization with Adversarial Memory
Created by
- Haebom
Category
Empty
저자
Hao Yan, Marzi Heidari, Yuhong Guo
개요
단일 도메인 일반화(SDG)는 다양한 여러 훈련 도메인의 데이터를 활용하여 보이지 않는 테스트 도메인으로 일반화할 수 있는 모델을 훈련하는 것을 목표로 하는 도메인 일반화(DG)와 달리, 단일 도메인 분포의 훈련 데이터만을 사용하는 더욱 현실적이고 어려운 설정을 다룹니다. 본 논문에서는 제한된 훈련 데이터의 다양성과 접근할 수 없는 테스트 데이터 분포의 문제를 해결하기 위해 적대적 메모리 뱅크를 활용하여 훈련 특징을 증강하는 단일 도메인 일반화 방법을 제안합니다. 메모리 기반 특징 증강 네트워크는 훈련 및 테스트 특징을 다양한 메모리 특징으로 구성된 불변 부분 공간에 매핑하여 투영된 공간에서 훈련 및 테스트 도메인을 암묵적으로 정렬합니다. 또한, 다양하고 대표적인 특징 메모리 뱅크를 유지하기 위해 훈련 도메인 분포를 넘어서는 특징을 생성하는 적대적 특징 생성 방법을 도입합니다. 실험 결과는 제안된 방법이 표준 단일 도메인 일반화 벤치마크에서 최첨단 성능을 달성함을 보여줍니다.
시사점, 한계점
•
시사점: 적대적 메모리 뱅크를 활용한 단일 도메인 일반화 방법이 제안되어 단일 도메인 데이터만으로도 우수한 일반화 성능을 달성할 수 있음을 보여줌. 기존 DG 방법의 데이터 제약 문제를 해결하는 새로운 접근법 제시. 단일 도메인 데이터에서 최첨단 성능 달성.
•
한계점: 제안된 방법의 효과는 사용된 메모리 뱅크의 질에 크게 의존하며, 메모리 뱅크의 효율적인 관리 및 최적화에 대한 추가적인 연구가 필요할 수 있음. 다양한 유형의 단일 도메인 데이터에 대한 일반화 성능 검증이 추가적으로 필요함. 실제 응용 분야에 적용하기 위한 추가적인 실험 및 분석이 필요함.
