연구진이 딥러닝 분류기의 배경 의존성 문제를 해결하기 위해 '자동 배경 교체(AutoBackSwap)' 기법을 제안했어요. AutoBackSwap은 배경과 전경을 분리하고, 인필링으로 배경을 합성하여, 다양한 전경과 배경 조합으로 학습 데이터를 증강하는 방식이에요.
부수적인 배경 상관관계에 의존하는 분류기의 강건성을 높이기 위해, 소수의 패치 라벨링만으로도 2차 네트워크를 학습하고 전체 학습 데이터셋을 자동 증강할 수 있어요.
다양한 이미지 분류 작업에서 AutoBackSwap은 기존 방법보다 뛰어난 성능을 보였으며, 특히 훈련 데이터에 배경 의존성을 깨는 샘플이 없어도 효과적이에요.