في تعميم المجال الفردي، يُطلب من النماذج التي تم تدريبها باستخدام بيانات من مجال واحد فقط أن تؤدي بأداء جيد على العديد من المجالات غير المرئية. في هذه الورقة، نقترح نموذجًا جديدًا يُسمى الشبكة العصبية التلافيفية التكيفية (Meta Convolutional Neural Network) لحل مشكلة التعميم في المجال الفردي في التعرف على الصور. الفكرة الأساسية تكمن في تحليل السمات التلافيفية للصور إلى سمات تكيفية (Meta Features). وباعتبارها "كلمات بصرية"، تُعرّف السمات التكيفية على أنها عناصر بصرية عامة وأساسية لتمثيل الصور (مثل الكلمات في تمثيل النصوص). وباعتماد السمات التكيفية كمرجع، نقترح عمليات تجميعية لإزالة السمات غير ذات الصلة من السمات التلافيفية المحلية من خلال عملية توجيه، ثم إعادة صياغة خرائط السمات التلافيفية كتركيب لسمات تكيفية ذات صلة. وبهذه الطريقة، يتم ترميز الصور بشكل عامي دون معلومات متحيزة من المجال غير المرئي، مما يمكّنها من معالجتها بواسطة الوحدات التالية التي تم تدريبها في المجال المصدر. وتستخدم العمليات التجميعية تقنية تحليل الانحدار لتعلم السمات التكيفية بطريقة تعلم دفعي عبر دفعات (Online Batch Learning). وتوثق التجارب الواسعة على عدة مجموعات بيانات معيارية تفوق النموذج المقترح في تحسين قدرة التعميم في المجال الفردي.