نُقدّم طريقة بسيطة للتكيف غير المراقب بين المجالات، حيث يتم تقليل الفرق بين التوزيعين المصدر والهدف من خلال استبدال الطيف الترددي المنخفض لأحدهما بالآخر. نُوضّح هذه الطريقة في مهام التجزئة الدلالية، حيث تكون الصور المُعلّمة بكثافة وافرة في مجال واحد (البيانات الاصطناعية)، لكنها صعبة الحصولة في مجال آخر (الصور الحقيقية). تُعدّ الطرق الرائدة حاليًا معقدة، وتحتاج أحيانًا إلى تحسين تناقضي (adversarial optimization) لجعل هيكل الشبكة العصبية (backbone) غير حساس لمتغير اختيار المجال المنفصل. أما طريقة我们的، فليست بحاجة إلى أي تدريب لتنفيذ مواءمة المجالات، بل تقتصر فقط على تحويل فورييه وعكسه. وبالرغم من بساطتها، تحقق الأداء الرائد في المعايير الحالية عند دمجها في نموذج تجزئة دلالية نسبيًا قياسي. تشير نتائجنا إلى أن الإجراءات البسيطة يمكن أن تقلل من التغيرات غير المرغوبة في البيانات، التي تجد الطرق الأكثر تطورًا صعوبة في التعلّم عليها.