本文介绍了多种无源域自适应方法，如ATCoN注意力机制、基于生成伪标签的目标检测和视频语义分割。这些方法通过特征一致性、对抗学习和自监督知识蒸馏等技术，显著提升了目标检测和动作识别的性能，研究结果在多个基准测试中表现优异，具有广泛的应用潜力。

本文综述无源域自适应（SFDA）研究进展：在仅能访问源模型和目标无标签数据的条件下，通过扩散模型生成源数据、图像风格转换、局部结构聚类与稀疏域注意力、球形K均值伪标签、Transformer注意力蒸馏、CLIP多模态蒸馏、概率不确定性建模、课程学习伪标签筛选及一致性正则化等方法提升目标域性能，多项工作达到最先进水平。