本文提出了一种名为CROVIA的跨视角适应方法，利用几何约束和多模态网络，实现无人机视角下的城市场景语义分割。研究表明，无监督领域自适应有效，通过鸟瞰图和交叉模态学习优化表示建模，显著提升三维语义分割性能。此外，联合几何和统计对齐方法在多个视觉识别任务中表现优越，展示了无标签数据的有效利用潜力。