この論文では、ニューラルネットワーク（NN）の急速な進展により、AIコンポーネントを強化したスマートシステムが発展した背景に触れています。さまざまなライブラリやフレームワークがNNの設計と実装を支援するために登場しましたが、パフォーマンスの低下や要件の進化により、組織は後に別のフレームワークに切り替えることを選ぶかもしれません。しかし、NNの実装をライブラリ間で移行することは、特定の移行方法が欠如しているため困難です。この問題を解決するために、著者たちはNNのコードを自動的に異なる深層学習フレームワーク間で移行するアプローチを提案します。具体的には、移行前にNNの抽象化を作成するために、ピボットNNモデルを活用します。実験では、PyTorchとTensorFlowという二つの人気フレームワークを用いてアプローチの有効性を検証し、五つのNNが元のものと機能的に同等であることを示しました。