본 연구는 장문 꼬리 데이터 편향 문제를 해결하기 위해 경계 인식 생성(DBG) 프레임워크를 제안합니다. DBG는 분류기 결정 경계를 분리하여 꼬리 클래스 정확도를 향상시키는 데 초점을 맞춥니다.
기존 방식의 head-to-tail transfer 방식은 클래스 간 특징 혼합을 유발하여 결정 경계 겹침과 꼬리 클래스 분포 변화를 초래한다는 문제점을 지적합니다.
표준 장문 꼬리 벤치마크에서 DBG는 꼬리 클래스와 전체 정확도를 향상시키고 클래스 간 겹침을 줄이는 효과를 보였습니다. DBG 코드는 GitHub에서 확인할 수 있습니다.