제한된 레이블 데이터와 다량의 무레이블 데이터를 활용하여 도메인 일반화 가능한 모델을 학습하는 방법을 제안한다.
본 연구는 준지도 도메인 일반화 문제를 해결하기 위해 불확실성 기반 의사 레이블링과 모델 앙상블 기법을 제안한다. 불확실성 기반 의사 레이블링은 다중 도메인 데이터에서 발생하는 모델 예측의 잘못된 보정 문제를 해결하고, 모델 앙상블은 제한된 레이블 데이터로 인한 과적합 문제를 완화한다.