연구진은 능동적 미세 조정 시 데이터 선택에 집중하는 기존 연구의 한계를 지적하며, 사전 훈련된 특징 왜곡 문제를 해결하기 위해 FACT 프레임워크를 제안했어요.
FACT는 효율성과 단순성을 특징으로 하는 3단계 계층적 미세 조정 프레임워크로, 능동적 미세 조정 시나리오에 적합하도록 설계됐어요.
CIFAR10, CIFAR100, ImageNet-1k, StanfordCars, FGVCAircraft 등 다양한 데이터셋과 ConvNeXt, ViT, ViL 네트워크에서 FACT는 20% 이상의 성능 향상을 보여줬어요.
연구 결과, FACT는 제한된 레이블 데이터 환경에서 강력한 성능 향상과 일반화 능력을 입증하며 새로운 최고 성능을 달성했어요.