التحويل الحر للأسلوب (AST) والعامّية في المجال (DG) هما مهامان مهمان ولكن صعبان في التعلم البصري، ويمكن صياغتهما كمشكلة مطابقة لتوزيع الميزات. وبافتراض أن توزيع الميزات يتبع التوزيع الغاوسي، فإن الطرق التقليدية لمطابقة توزيع الميزات تُركّز عادةً على مطابقة المتوسط والانحراف المعياري للميزات. ومع ذلك، فإن توزيعات الميزات في البيانات الواقعية غالبًا ما تكون أكثر تعقيدًا بكثير من التوزيع الغاوسي، ولا يمكن مطابقتها بدقة باستخدام الإحصائيات من الدرجة الأولى والثانية فقط، في حين أن استخدام الإحصائيات من الدرجة العالية لغرض المطابقة يُعد مكلفًا من حيث الحوسبة. في هذا العمل، وبحسب أفضل ما نعرف، نُقدّم لأول مرة طريقة لمطابقة توزيع الميزات بدقة (EFDM) من خلال مطابقة دوال التوزيع التراكميّة التجريبية (eCDF) للميزات الصورية بدقة، والتي يمكن تنفيذها عبر تطبيق مطابقة المدرج التكراري الدقيقة (EHM) في فضاء ميزات الصور. وبشكل خاص، يتم استخدام خوارزمية EHM السريعة، المعروفة باسم Sort-Matching، لتنفيذ EFDM بطريقة جاهزة للتركيب (plug-and-play) وبتكلفة منخفضة جدًا. وقد تم التحقق من فعالية الطريقة المقترحة EFDM على مجموعة متنوعة من مهام AST وDG، حيث أظهرت نتائج جديدة من أفضل النتائج المُحققة حاليًا. يمكن الوصول إلى الكود من خلال الرابط: https://github.com/YBZh/EFDM.