さまざまな画像ドメインで共通の物体をインスタンスレベルのアノテーションなしで検出することは可能でしょうか？本論文では、この問いに取り組む新しいタスク、クロスドメイン弱教師あり物体検出のためのフレームワークを提案します。本研究では、ソースドメイン（例：自然画像）におけるインスタンスレベルのアノテーションが付与された画像と、ターゲットドメイン（例：ウォーターカラー）における画像レベルのアノテーションが付与された画像にアクセスできます。さらに、ターゲットドメインで検出するクラスは、ソースドメインのクラスすべてまたはそのサブセットです。ソースドメインで事前学習された完全教師あり物体検出器から始め、検出器を人工的におよび自動的に生成された2種類のサンプルで微調整することにより、2段階進行型ドメイン適応技術を提案します。我々は新規収集した3つの画像ドメインを含むデータセットで方法をテストし、最良のベースラインと比較して平均精度（mean average precision: mAP）において約5〜20パーセンテージポイントの改善を達成しました。