연구진이 멀티 레이블 원격 감지 장면 분류에서 도메인 일반화를 위한 레이블 분리 스타일 증강 프레임워크를 제안했어요. 기존 방식은 이미지 전체의 채널 통계를 전역적으로 변경하여 클래스 간 오염 문제를 야기했어요. 제안하는 프레임워크는 레이블별 영역에만 스타일 변경을 제한하여 각 레이블에 맞는 통계를 혼합하는 방식을 사용해요.
학습 가능한 모듈 또는 그래디언트 클래스 활성화 맵에서 얻은 레이블별 어텐션을 활용하여 레이블별 특징 통계를 생성하고, 이를 교차 도메인 샘플과 혼합해요. 이 과정에서 레이블별 계수를 독립적으로 적용하여 특징을 재구성해요.
새로운 프레임워크는 UCM, AID, DFC15 데이터셋을 활용한 교차 도메인 벤치마크에서 기존 방식보다 평균 정밀도 5.0 포인트 향상된 71.5%를 달성했어요. 특히 어려운 전이 환경에서 최대 7.7 포인트의 성능 향상을 보였으며, 추가 파라미터는 0.35% 미만으로 매우 효율적이에요.