本文针对领域泛化问题展开研究：如何利用多个已知源域数据，学习出一种适用于“未见”目标域的通用特征表示。为此，我们提出一种基于对抗自编码器的新型框架，用于在不同领域间学习具有泛化能力的潜在特征表示。具体而言，我们在对抗自编码器的基础上引入最大均值差异（Maximum Mean Discrepancy, MMD）度量，以对齐不同领域之间的分布，并通过对抗特征学习将对齐后的分布匹配到任意先验分布。通过这一机制，所学习到的特征表示由于受到MMD正则化约束，具备对已知源域的通用性；同时，由于引入了先验分布，该表示也预期能在未见目标域上实现良好的泛化性能。我们进一步设计了一种算法，用于联合训练所提框架中的各个组成部分。在多种视觉任务上的大量实验表明，与当前最先进的领域泛化方法相比，本框架能够学习到更优的、适用于未见目标域的泛化特征。