[Open DMQA Seminar] Class Mismatch in Domain Adaptation

최근 인공지능 분야에서는 도메인 적응(Domain Adaptation, DA) 기술을 통해 모델의 일반화 성능을 극대화하려는 노력이 활발히 진행되고 있다. 특히, Class mismatch 문제는 도메인 적응의 중요한 도전 과제 중 하나로 떠오르고 있다. 여기서 Class mismatch란 소스 도메인(Source domain)과 타겟 도메인(Target domain) 간에 레이블 불일치가 발생하는 상황을 의미한다. 이를 효과적으로 다루기 위해 Partial Domain Adaptation (PDA), Open-set Domain Adaptation (OSDA), 그리고 Universal Domain Adaptation (UDA)와 같은 다양한 접근법이 제안되고 있다. 이번 세미나에서는 Class Mismatch in Domain Adaptation의 개념을 살펴보고, PDA, OSDA, UDA의 주요 기법과 실제 적용 사례를 논의한다.

참고자료
[1] Cao, Zhangjie, et al. "Partial adversarial domain adaptation." Proceedings of the European conference on computer vision (ECCV). 2018.

[2] Jing, Taotao, Hongfu Liu, and Zhengming Ding. "Towards novel target discovery through open-set domain adaptation." Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021.

[3] Saito, Kuniaki, and Kate Saenko. "Ovanet: One-vs-all network for universal domain adaptation." Proceedings of the ieee/cvf international conference on computer vision. 2021.