这篇Survey全面梳理了CLIP在领域泛化（DG）和领域适应（DA）中的应用，涵盖了从提示优化技术到无源域适应等方法，并详细介绍了常用的数据集和评估指标。研究指出CLIP在提升模型鲁棒性和适应能力方面具有巨大潜力，但仍面临模型可解释性、过拟合、有限标记数据等挑战。
Survey深入分析了CLIP-Powered模型在实际应用中的关键挑战，如过拟合、领域多样性以及计算效率等问题，并提出了未来研究方向，旨在推动模型在实际应用中的鲁棒性和效率提升。
该Survey为研究人员和从业者提供了宝贵的见解，帮助他们更好地利用CLIP来增强领域泛化和适应的方法论，推动机器学习模型在多样化现实场景中的可靠性和鲁棒性。
