本文提出了一种基于多教师框架的光度混合自适应分割方法，旨在解决开放式复合领域自适应问题。研究中引入了多种对抗性框架和双分类器模型，结合图卷积网络和课程学习策略，显著提升了多目标域自适应的性能。提出的D3GU框架和ADAS策略在多个基准测试中表现优异，验证了其在多领域学习中的有效性。