即插即用提升模型泛化能力

Domain adaptation（DA: 域自适应），DA 假设我们有有一个带标签的训练集（源域），这时候我们想让模型在另一个数据集上同样表现很好（目标域），利用目标域的无标签数据，提升模型在域间的适应能力是 DA 所强调的。

Domain generalization（DG: 域泛化），DG 进一步弱化了假设，我们只有多个源域的数据，根本不知道目标域是什么，这个时候如何提升模型泛化性呢？核心在于如何利用多个源域带来的丰富信息。

（1）CrossNorm and SelfNorm

泛化神器 | 李沐老师新作
paper
github
本文主要贡献：
1、提出了SelfNorm和CrossNorm这2种标准化技术来增强out-of-distribution(OOD)泛化；
2、SelfNorm和CrossNorm在利用特征均值和方差提高模型鲁棒性方面形成了对立统一；
3、SelfNorm和CrossNorm与领域无关，可以提高不同领域(CV或NLP)、设置(监督和半监督)和任务(分类和分割)的性能。