Papers with Code · CC BY-SA 4.0
Domain Generalization
Domain Adaptation › Domain Generalization
596 평가 기록
25 datasets
The idea of Domain Generalization is to learn from one or multiple training domains, to extract a domain-agnostic model which can be applied to an unseen domain
<span class="description-source">Source: Diagram Image Retrieval using Sketch-Based Deep Learning and Transfer Learning </span>
개요 전체 데이터셋 논문·평가 기록 하위 태스크 개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
Dataset 기록된 모델 예시 Metric Paper Code
SIMPLE+
Average Accuracy: 99.0
논문 코드
VOLO-D5
Accuracy - All Images: 57.2 Accuracy - Corrupted Images: 51.8 Accuracy - Clean Images: 59.7
논문 코드
DINOv2 (ViT-g/14, frozen model, linear eval)
mean Corruption Error (mCE): 28.2 Number of params: 1100M
논문 코드
MoA (OpenCLIP, ViT-B/16)
Average Accuracy: 90.6
논문 코드
Model soups (BASIC-L)
Top-1 accuracy %: 94.17
논문 코드
Model soups (BASIC-L)
Top-1 Error Rate: 3.90
논문 코드
L2C (CLIP, ViT-L/14)
Average Accuracy: 67.4
논문 코드
CAR-FT (CLIP, ViT-B/16)
Average Accuracy: 85.5
논문 -
UniDG + CORAL + ConvNeXt-B
Average Accuracy: 69.6
논문 코드
Model soups (BASIC-L)
Top-1 accuracy: 77.18
논문 코드
Crafting-Shifts(ResNet18)
Accuracy: 70.37
논문 코드
논문
2307.15199
2023-07-27
이 페이지의 평가 2건
Average Accuracy: 98.6
2402.18853
2024-02-29
이 페이지의 평가 2건
Average Accuracy: 97.9
2211.16175
2022-11-29
이 페이지의 평가 1건
Average Accuracy: 96.8
2203.10789
2022-03-21
이 페이지의 평가 1건
Average Accuracy: 96.8
2310.11031
2023-10-17
이 페이지의 평가 1건
Average Accuracy: 97.4
2203.04600
2022-03-09
이 페이지의 평가 1건
Average Accuracy: 96.1
2303.01233
2023-03-01
이 페이지의 평가 1건
Average Accuracy: 97.6
2310.08255
2023-10-12
이 페이지의 평가 1건
Average Accuracy: 96.68
Average Accuracy: 99.0
2404.19286
2024-04-30
이 페이지의 평가 1건
Average Accuracy: 97.0
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.