非監督ドメイン適応（Unsupervised Domain Adaptation: UDA）では、ターゲットドメイン（Target Domain: TD）の分類器を、ソースドメイン（Source Domain: SD）からのクリーンなラベル付きデータとTDからのラベルなしデータを使用して訓練します。しかし、実際の状況では、限られた予算の中でSDで大量の完全にクリーンなラベル付きデータを取得することは困難です。したがって、我々は新しい、より現実的でより挑戦的な問題設定を考えます。この設定では、分類器はSDからのノイジーなラベル付きデータとTDからのラベルなしデータを使用して訓練される必要があります——これをワイルドUDA（Wildly Unsupervised Domain Adaptation: WUDA）と呼びます。我々は、SDのラベルノイズに注意を払わなければWUDAがすべてのUDA手法を破壊することを示し、その解決策として強力かつ効率的なバタフライフレームワークを提案します。バタフライフレームワークは4つの深層ネットワークを同時に維持し、そのうち2つがすべての適応（すなわちノイジーからクリーンへの変換、ラベルありからラベルなしへの変換、およびSDからTDへの分布適応）を行い、残りの2つがTDでの分類に集中できます。その結果、バタフライフレームワークにはWUDAを解くために概念的に必要なすべての要素が備わっています。実験結果は、WUDAにおいてバタフライフレームワークが既存のベースライン手法よりも大幅に優れていることを示しています。