领域泛化（DG），即分布外泛化，近年来引起了越来越多的关注。域概括处理了一个具有挑战性的设置，其中给出了一个或几个不同但相关的域，目标是学习一个可以推广到一个看不见的测试域的模型。多年来，已经取得了很大的进步。本文介绍了域泛化的最新进展的第一篇综述。首先，我们提供域泛化的正式定义，并讨论几个相关领域。接下来，我们将全面回顾与领域泛化相关的理论，并仔细分析泛化背后的理论。然后，我们将最新的算法分为三类，并详细介绍它们：数据操作，表示学习和学习策略，每个算法都包含几种流行的算法。第三，我们介绍常用的数据集和应用程序。最后，我们总结了现有文献，并提出了一些未来的潜在研究主题。



"点击查看英文标题和摘要"