Généralisation de domaine

La généralisation de domaine (DG) consiste à apprendre à partir d'un ou plusieurs domaines d'entraînement pour extraire un modèle indépendant du domaine qui peut être appliqué à des domaines inconnus. Son objectif principal est d'améliorer la capacité de généralisation du modèle dans de nouveaux environnements sans accès aux données du domaine cible, ce qui renforce la robustesse et l'adaptabilité du modèle. La DG est particulièrement précieuse dans les scénarios d'applications mult-domains, tels que la reconnaissance d'images cross-dataset et le traitement du langage naturel, en réduisant efficacement le besoin de labelliser de nouvelles données et en améliorant la praticité et l'efficacité du système.