Training-Free Domain Generalization via Genetic Algorithm-Based Selective Weight Fusion
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114385
과학기술정보통신부
한국연구재단
숭실대학교
박승현
7명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
4,522만원
4,522만원
기초연구
대학
서울특별시 동작구
정보/통신 > 정보이론 > 인공지능
- 본 연구는 pretrained 모델과 source-domain fine-tuned 모델 사이의 weight 변화량을 분석하고, 도메인 일반화에 유리한 일부 parameter 영역과 그 조합 계수를 탐색하는 학습 없는(training-free) 최적화 프레임워크 개발을 목표로 함.- 전체 weight를 직접 결합하거나 탐색하는 방식이 아니라, 상대 변화량...
1단계: Baseline 및 실험 환경 구축- CLIP 기반 pretrained backbone과 source-domain fine-tuned 모델을 준비하고, PACS, VLCS, OfficeHome, TerraIncognita, DomainNet 등 표준 도메인 일반화 benchmark를 구축함. WiSE-FT, Model Soup, DaWin, MeG...
- 본 연구 성과는 도메인 일반화 분야에서 weight-space 기반 post-hoc 최적화라는 새로운 연구 방향을 제시하는 데 활용 가능함. 특히 선택적 가중치 결합과 condition vector 기반 탐색을 통해 기존 weight interpolation, ensemble, full fine-tuning 방법과 차별화된 학술적 기여를 제공함.- 개발...