رغم اقتراح العديد من تقنيات التكيف بين المجالات (DA) القائمة على الصور في السنوات الأخيرة، فإن التحول بين المجالات في مقاطع الفيديو لا يزال غير مستكشف بشكل جيد. ومعظم الأعمال السابقة تقيّم الأداء فقط على مجموعات بيانات صغيرة الحجم والتي أصبحت مشبعة. لذلك، نقترح أولاً مجموعة بيانات أكبر الحجم ذات اختلاف مجال أكبر: UCF-HMDB_full. ثانيًا، ندرس طرق مختلفة لدمج التكيف بين المجالات للفيديوهات ونظهر أن محاذاة الديناميكيات الزمنية والتعلم منها بشكل متزامن يحقق محاذاة فعالة حتى بدون استخدام طرق معقدة للتكيف بين المجالات. وأخيرًا، نقترح شبكة التكيف المعادية الانتباهية الزمنية (TA3N)، التي تركز بشكل صريح على الديناميكيات الزمنية باستخدام الاختلاف بين المجالات لتحقيق محاذاة مجال أكثر فعالية، مما يجعلها تحقق أفضل الأداء في ثلاث مجموعات بيانات للتكيف بين المجالات للفيديو. تم إصدار الكود والمعلومات في http://github.com/cmhungsteve/TA3N.