题目：DYNAMICALLY DECODING SOURCE DOMAIN KNOWLEDGE FOR UNSEEN DOMAIN GENERALIZATION
作者：Cuicui Kang and Karthik Nandakumar
一、研究背景：
跨域：提取域不变特征、聚合多个专家域的知识
缺陷：源域知识没有被很好地利用。缺少知识转换或源域间的交互，在生成特征时没有恰当地探究源域间关系。
二、研究目标：
动态解码源域知识，辅助未知域的推理，实现域泛化
三、技术路线：
未知域和源域会有某些相似性，如果可以发现域间关系，相近的域专家可以给新图片更好的指导。
1、CNN：浅层通用特征提取
2、为每个源域设置一个域特有专家，并设置一个不可知域分支作为查询；
3、Transformer：深层特征提取、域关系探索
基于transformer的编码器编码源域特征作为源域知识记忆，利用自注意力机制发现域间相似性，共享通用、特有域知识；稳固深层架构的学习。
基于transformer的解码器动态解码源域知识，利用交叉注意力使域不可知查询向量和源域知识记忆进行交互，令相似的域贡献更大
4、同时输入多张不同域图片，将源域专家提取的特征作拼接后送入编码器生成记忆；在解码器中利用交叉注意力探究不同域的关系；查询分支依次对比每张图片。
四、实验结果：
