기계 학습에서의 도메인 적응 방법은 소스 데이터와 타겟 데이터 표현을 정렬함으로써 도메인 시프트 문제를 다룹니다. 본 논문에서는 색채 공간에 푸리에 변환을 적용하여 스타일 전이의 품질을 향상시키고, 자가 학습의 다양한 라운드에서 얻은 서로 다른 교사 모델의 결과를 결합하여 가짜 레이블을 생성함으로써 자기 학습을 수행하는 새로운 도메인 적응 방법을 제안합니다. 또한 본 방법은 두 도메인 간의 보다 세밀한 정렬을 달성하기 위해 클래스 수준의 적대적 학습을 도입하며, 깊이 추정 모델과의 후기 융합을 통해 세분화 출력 품질을 향상시킵니다. 실험 결과, 기존의 최첨단 방법들과 비교하여 정확도 측면에서 뛰어난 성능을 보였습니다.