本文提出了一种基于协作学习的多源领域自适应框架，利用多个源域的语义信息，通过像素值分布的对齐和伪标签的约束，减小源域与目标域之间的差距。实验证明，该方法在 Cityscapes 数据集上的语义分割任务中表现优异，获得了59.0％的mIoU，显著优于之前的单一和多源无监督领域自适应方法。