연구진은 단일 소스 도메인에서 학습된 객체 탐지기를 여러 개의 unseen 도메인으로 이전하는 Single-Domain Generalized Object Detection 문제를 연구했어요.
기존 방법은 데이터 증강이나 텍스트 프롬프트와 같은 시뮬레이션 기반 전략에 의존하지만, 실제 환경의 다양한 변화를 포괄하기 어렵고 복잡한 구조적 저하에 대한 강건성을 제한할 수 있어요.
연구진은 의미론적 특징이 시각적 변화에도 불구하고 안정적인 저차원 매니폴드에 존재한다는 가설에 따라, 벗어난 샘플을 이 매니폴드로 수정하는 방법을 제안하며, 이를 통해 다양한 환경 변화에 강건성을 높였어요.