在本研究中，我们将无监督领域适应中的两个不同概念联系起来：通过利用任务特定的决策边界和Wasserstein度量实现域间特征分布对齐。我们提出的切片Wasserstein差异（Sliced Wasserstein Discrepancy, SWD）旨在捕捉任务特定分类器输出之间的自然差异性。该方法提供了几何意义上有效的指导，用于检测远离源域支持的目标样本，并能够在端到端可训练的方式下实现高效的分布对齐。实验结果验证了我们方法在数字和标志识别、图像分类、语义分割以及目标检测任务中的有效性和通用性。