라벨 없는 데이터 활용한 역인과 도메인 일반화

본 논문은 도메인 일반화(Domain Generalization) 문제를 역인과(anti‑causal) 설정 하에 새롭게 접근한다. 전통적인 도메인 일반화 방법은 여러 환경에서 라벨이 있는 데이터를 필요로 하지만, 실제 현장에서는 라벨이 제한적이고 라벨 없는 데이터가 풍부한 경우가 많다. 저자들은 결과 변수 Y가 관측 변수 X를 생성한다는 구조적 가정( Y → X )을 도입함으로써, 환경 교란 εₑ가 X에만 영향을 미치고 Y와는 독립적이라는 특성을 활용한다. 이때 εₑ는 직접 관측되지 않지만, X의 평균과 공분산이 εₑ와 동일한 변동을 반영한다는 점을 이용해 라벨 없는 데이터만으로도 교란 방향을 추정할 수 있다. **문제 정의 및 설정** - 다수 환경 E가 존재하고, 각 환경 e는 구조적 인과 모델 S(e)로 정의된다. - 라벨이 있는 데이터는 소수 환경 L ⊂ E에서만 확보되고, 라벨 없는 데이터는 모든 훈련 환경 E_tr에서 수집된다. - 목표는 새로운 테스트 환경 e_tst ∈ E 에 대해 최악 위험 sup_{e∈E} E_e