PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.01657v1cs.CV

텍스트 앵커 정보 병목을 통한 도메인 일반화

Domain Generalization via Text-Anchored Information Bottleneck

도메인 일반화(Domain Generalization)에서 기존 비전-언어 모델의 시각적 표현이 오히려 학습 도메인에 종속된 허위 단서(spurious cues)를 전파한다는 문제를 지적하며, 시각적 가이던스를 배제하고 텍스트 임베딩 공간을 정보 병목(Information Bottleneck)으로 활용해 도메인 불변 표현을 학습하는 방법을 제안한다. 다양한 백본과 DG 벤치마크에서 최첨단 성능을 달성하며, 강건한 일반화를 위해 표현 개선보다 불변성을 강제하는 감독 설계가 핵심임을 보인다.

arXiv:2606.12930v1cs.LG

허위 상관 제거는 항상 학습 가능한가?

Is Spurious Correlation Removal Always Learnable?

불변 학습(invariant learning)은 통계적으로 식별 가능한 구조가 존재하더라도 다항 시간 알고리즘으로는 학습이 불가능한 조건부 계산적 장벽이 있음을 보여줍니다. 환경 다양성을 제어하는 분리 파라미터 $\gamma$를 도입하여 최소-최대 위험(minimax risk)을 정량화하고 레이블 유도 변화 하에서 위상 전이(phase transition)가 발생함을 입증했습니다.