لقد استخدمت الطرق الحديثة غير المراقبة للتكيف بين المجالات الفضاء vicinal بين المجال المصدر والمجال الهدف. ومع ذلك، لم يتم معالجة مشكلة انهيار التوازن في التسميات، وهي مشكلة تُظهر فيها تسميات المصدر هي المسيطرة على تسميات الهدف في تنبؤات الأمثلة vicinal. في هذه الورقة، نقترح استراتيجية minimax على مستوى كل مثال، تهدف إلى تقليل الانتروبيا للمثال ذات عدم اليقين العالي في الفضاء vicinal، لمعالجة المشكلة المذكورة. نقسم الفضاء vicinal إلى فضائين فرعيين من خلال حل مشكلة minimax: الفضاء المقابل (contrastive space) والفضاء الموافق (consensus space). في الفضاء المقابل، يتم تقليل الفرق بين المجالات من خلال ت contraint المثيلات لتكون ذات وجهات نظر وتصنيفات متميزة، بينما يقلل الفضاء الموافق من الالتباس بين الفئات داخل المجال. تم إثبات فعالية طريقتنا على معايير عامة، بما في ذلك Office-31، Office-Home، وVisDA-C، حيث حققت أداءً يُعد من أفضل الأداءات الحالية. كما نوضح أن طريقتنا تتفوق على أحدث الطرق الحالية على مجموعة بيانات PACS، مما يدل على أن نهجنا المبني على كل مثال يعمل بشكل جيد حتى في حالات التكيف بين مجالات متعددة المصدر. يمكن الوصول إلى الكود عبر الرابط: https://github.com/NaJaeMin92/CoVi.