본 논문은 분산 감소를 위한 새로운 SVR 기법인 Paired Sampling for Domain Adaptation (PSDA)을 제안합니다. PSDA는 훈련 과정에서 항상 함께 샘플링되는 쿼드러플릿을 형성하기 위해 동일 및 다른 도메인의 관측치를 페어링합니다. 페어링은 예상되는 그래디언트 분산을 최소화하도록 설계되었으며, 선형 할당 문제 집합을 해결하는 것으로 귀결됩니다.
시뮬레이션 결과, PSDA는 관련 방법보다 분산이 감소했으며, 세 개의 도메인 시프트 데이터 세트에서 대상 도메인 정확도가 향상되었습니다. 본 논문은 상관관계 정렬과 최대 평균 불일치 프레임워크의 한계를 극복하고 SVR 기법을 활용하여 성능을 개선하는 데 기여합니다.
PSDA는 도메인 적응 분야에서 분산 감소와 성능 향상을 위한 새로운 접근 방식을 제시하며, 향후 관련 연구에 영감을 줄 수 있습니다.