CORE-MTL: 인과적 직교 표현을 통한 그래디언트 균형 재고
CORE-MTL: Rethinking Gradient Balancing via Causal Orthogonal Representations
TL;DR AI
1분핵심 요약
연구진은 공유 특징을 의미적 스트림과 잔차 스트림으로 분리하는 CORE-MTL 다중작업학습 프레임워크를 제안했다.
기존의 그래디언트 재가중치나 투영 대신, 표현 분해와 비전 태스크용 도메인별 사전지식을 활용한다.
이 방법은 negative transfer를 줄이고, 분포 내·분포 밖 일반화를 함께 높이도록 설계됐다.
저자들은 더 강한 OOD 경계와 기존 접근법보다 우수한 벤치마크 성능을 보고했다.