يهدف التصنيف الشامل المتكيف حسب المجال إلى تقليل تحدي تأشير البيانات من خلال الاستفادة من بيانات مُعلَّمة جاهزة في مجال مصدر واحد أو أكثر مرتبط ببعضه. ومع ذلك، تعتمد الدراسات الحالية على شبكة منفصلة لكل من التصنيف التماثلي والتصنيف الدلالي، مما يؤدي إلى زيادة كبيرة في عدد معاملات الشبكة، بالإضافة إلى عمليات تدريب واستنتاج معقدة ومرهقة من الناحية الحسابية. قمنا بتصميم UniDAformer، وهو نموذج مُحَوَّل متكامل للتصنيف الشامل المتكيف حسب المجال، يتميز بالبساطة ويُمكنه تحقيق التصنيف التماثلي والتصنيف الدلالي المتكيف حسب المجال في نفس الوقت ضمن شبكة واحدة. يُقدِّم UniDAformer تقنية التصحيح التدرجي للأقنعة (HMC)، التي تُصحِّح التنبؤات غير الدقيقة على مستويات المناطق والسوبربكسلات والبكسلات من خلال عملية تدريب ذاتي مباشر أثناء التشغيل. ويتميز النموذج بثلاثة خصائص فريدة: 1) تمكين التكيف الشامل المتكيف حسب المجال في بيئة موحدة؛ 2) تقليل التنبؤات الخاطئة وتحسين أداء التصنيف الشامل المتكيف حسب المجال بشكل فعّال؛ 3) إمكانية التدريب والتنفيذ من الطرفين (end-to-end) مع مسار تدريب واستنتاج أبسط بشكل كبير. أظهرت التجارب الواسعة على عدة معايير عامة أن UniDAformer يحقق أداءً متفوقًا في التصنيف الشامل المتكيف حسب المجال مقارنةً بأحدث النماذج المطورة.