시간 불균형이 초래하는 클래스 증분 학습 편향 완화

초록

본 논문은 클래스 증분 학습(CIL)에서 발생하는 예측 편향의 근본 원인으로 “시간 불균형(Temporal Imbalance)”을 제시한다. 초기 클래스는 학습 후반부에 부정적 감독(negative supervision)이 과도하게 작용해 정밀도는 높지만 재현율이 낮아지는 현상이 나타난다. 이를 정량화하기 위해 시간 감독 모델을 구축하고, 시간 감쇠 커널을 이용해 각 클래스의 양성 감독 강도 Q 를 추적한다. Q에 기반해 부정적 감독 가중치를 동적으로 조정하는 Temporal‑Adjusted Loss(TAL)를 제안하며, 이론적 분석과 광범위한 실험을 통해 TAL이 기존 CIL 방법 대비 망각을 크게 감소시키고 전체 성능을 향상시킴을 입증한다.

상세 분석

본 연구는 클래스 증분 학습(CIL)에서 흔히 관찰되는 “새 클래스 편향”을 기존의 클래스 불균형(새·구 클래스 간 샘플 수 차이)만으로 설명하는 한계를 지적한다. 저자는 학습 과정 전체에 걸친 양·음성 감독의 시간적 분포가 편향을 유발한다는 ‘시간 불균형(Temporal Imbalance)’ 개념을 도입한다. 구체적으로, 각 학습 스텝에서 특정 클래스 k 에 대해 양성 샘플이 등장하면 +1, 음성 샘플이 등장하면 ‑1 이라는 감독 신호 a_k