ISDAを用いた場合のラベルセット内の多様性を推定するExpected Partial Model Change Maximization(EPMCM)を提案．EPMCMに基づいてデータをクエリ，ISDAを用いてDLを行う新しいフレームワークDiversity-Aware Semtic Transformation-AL(DAST-AL)を提案．

CIFAR10とCIFAR100のそれぞれについて，ResNet18，VGG16で実験．VGG16においてはRandom，LL4AL，ADSと比較し，どちらのデータセットも最初のサイクルではRandomに劣るが，以降のサイクルは他の手法を圧倒した．ResNet18においては最初のサイクルから高精度(比較対象が少ないため，要検証)．

ISDAをALに用いた初めての論文であること，単純に組み合わせるのではなく，影響度を推定するフレームワークを提案していることが，通った理由と考える． ただし，実験は設定，比較手法ともに曖昧なため，結果の比較は困難．