深度表徵解析技術為學習可解釋表徵的利器，透過操控可解釋性的表徵，我們可以用來分析跨領域的視覺資料。因此，我們利用了先進的對抗式學習與表徵解析技術，學習含有跨領域共同資訊的領域不變表徵，以及含個別領域資訊的表徵。透過我們的技術，能夠同時做到跨越多個領域的圖像生成以及解決跨視覺領域影像辨識問題。

我們的貢獻主要有以下幾點:
(1)我們可以將表徵解析成與領域無關和與領域相關兩部分。
(2)我們的框架融合了對抗式學習、表徵解析與深度生成模型。
(3) 利用得到的解析表徵，我們不僅能夠將領域不變的表徵用於非監督式跨視覺領域影像辨識，更可以透過對領域相關表徵的操控，來達成跨越多個領域的多模態影像生成。

我們的技術可應用於遷移學習相關的場域，其中以自駕車為極有潛力之應用，透過我們的技術，能夠讓自駕車系統只看過某一地甚至是虛擬畫面的訓練資料，便可透過遷移學習的方式讓系統在沒有完整數據訓練的地方也能順利應用，因此可以大量減少標註訓練資料的成本與訓練時間，對於各大車廠及有興趣發展自動駕駛的公司有極大價值。