HRI에서 실패 감지 모델의 도메인 일반화의 중요성
클라이언트가 벤더로부터 블랙박스 액세스를 받아 모델을 쿼리당 유료로 사용하는 상황에서, Vision-Language 모델을 학습하여 학생 모델로 압축하고 이를 추론 중에 사용함으로써 도메인 일반화를 향상시키는 방법을 제안합니다.
알려지지 않은 도메인에 대한 손실 함수 일관성을 최소화함으로써 도메인 일반화 성능을 향상시킬 수 있다.
도메인 관계를 활용하여 도메인 특화 모델을 구축함으로써 도메인 간 일반화 성능을 향상시킬 수 있다.
데이터 노이즈가 존재할 때 경험적 위험 최소화(ERM) 기법은 잘못된 상관관계에 의존하게 되어 일반화 성능이 저하되지만, 일부 도메인 일반화 알고리즘은 노이즈에 대한 강건성을 가지고 있어 이를 완화할 수 있다.
데이터 노이즈가 경험적 위험 최소화(ERM) 방식의 일반화 성능을 저하시키는 반면, 일부 도메인 일반화(DG) 알고리즘은 노이즈 강건성을 가지고 있어 일반화 성능을 향상시킬 수 있다.
데이터 노이즈가 존재할 때 경험적 위험 최소화(ERM) 기법은 특이 상관관계에 더 의존하게 되어 일반화 성능이 저하되지만, 일부 도메인 일반화 알고리즘은 노이즈 강건성을 가지고 있어 이를 완화할 수 있다.
A2XP는 개인 정보를 보호하면서도 도메인 일반화 문제를 해결하는 새로운 접근 방식이다. 이는 전문가 적응과 도메인 일반화라는 두 단계로 구성되며, 전문가 프롬프트를 효과적으로 결합하여 최적의 출력을 달성한다.