对目标领域一无所知，并不是要适应到某一个特定的领域上的问题通常称为领域泛化。领 域泛化可又分成两种情况。一种情况是训练数据非常丰富，包含了各种不同的领域，测试数据 只有一个领域。如图1（a）所示，比如要做猫狗的分类器，训练数据里面有真实的猫跟狗 的照片、素描的猫跟狗的照片、水彩画的猫跟狗的照片，期待因为训练数据有多个领域，模型 可以学到如何弥平领域间的差异。当测试数据是卡通的猫跟狗时，模型也可以处理，具体细节 可参考论文"Domain Generalization with Adversarial Feature Learning" 。另外一种情况如 图1（b）所示，训练数据只有一个领域，而测试数据有多种不同的领域。虽然只有一个 领域的数据，但可以想个数据增强的方法去产生多个领域的数据，具体可参考论文"Learning to Learn Single Domain Generalization"。
图1 领域泛化示例