研究人员开发了一种名为“平坦度感知梯度混合”（FGMix）的新型域泛化技术。该方法利用数据插值和外插来扩大特征空间覆盖范围，从而提高模型的泛化能力。FGMix根据梯度兼容性分配实例权重，旨在学习能够导致更平坦的最小值和在未见域上获得更好性能的混合策略。在DomainBed基准测试上的实验表明，FGMix的性能优于现有的域泛化算法。 AI
影响 引入了一种提高模型对分布偏移鲁棒性的新颖技术，有可能在数据多变的实际应用中提高性能。
排序理由 这是一篇详细介绍域泛化新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2209.14742v2 Announce Type: replace Abstract: To address distribution shifts between training and test data, domain generalization (DG) leverages multiple source domains to learn a model that generalizes well to unseen domains. However, existing DG methods often overfit to …