最近の無監督ドメイン適応手法は、ソースドメインとターゲットドメインの間のvicinal空間（近傍空間）を活用している。しかし、vicinalインスタンスの予測においてソースラベルがターゲットラベルに優位に影響を与える「ラベルの均衡崩壊（equilibrium collapse）」という問題は、これまで解決されていない。本論文では、vicinal空間内の高不確実性インスタンスのエントロピーを最小化するインスタンス単位のミニマックス戦略を提案する。このミニマックス問題の解を用いて、vicinal空間を2つの部分空間に分割する：対照空間（contrastive space）と合意空間（consensus space）。対照空間では、インスタンスが対照的な視点とラベルを持つように制約することでドメイン間の差異を軽減し、合意空間ではドメイン内カテゴリ間の混同を低減する。本手法の有効性は、Office-31、Office-Home、VisDA-Cといった公開ベンチマーク上で検証され、最先端の性能を達成した。さらに、PACSデータセットにおいても現在の最先端手法を上回ることを示した。これは、本手法のインスタンス単位のアプローチがマルチソースドメイン適応にも効果的であることを示している。コードは https://github.com/NaJaeMin92/CoVi で公開されている。