HyperDG

超域泛化（HyperDG）标量特征缩放相比于ERM在域泛化方面无显著优势

本文评估了一种用于域泛化的、受曲率启发的标量特征缩放的具体实现方法，名为HyperDG。研究发现，在四个数据集上，在训练过程中重新缩放编码器特征的HyperDG表现略逊于标准的DomainBed ERM方法。尽管调整后差异不具统计学意义，但结果表明这种特定的标量训练方法并未带来性能提升，也未测试或反驳真正的双曲表示学习。