Domain Adaptationと違い、学習時にtarget domainのデータを使わずに、Semantic-Aware Normalization(SAN)とSemantic-Aware Whitening(SAW)を導入しデータ分布を整理することでDomain違いに対する汎化性をもたせる。

５つのデータセット：CGによるデータGTA5、SYNTHIA, 実世界画像データCityscapes, BDDS, Mapillaryのそれぞれで学習したモデルで別のデータセットを推論する実験を行い、mIoUで従来のGeneralization手法を上回る精度を得られた。

学習時に得られているクラスごとのデータ分離性能をもたせたうえで、データ分布の汎化性をもたせている。セグメンテーションにおけるエンコーダとデコーダーの間に入れる形のため、導入しやすい。