本文提出了一种新型的无源无监督域自适应方法，解决了针孔图像到全景图像的语义分割问题。通过割裂等距投影和全景原型自适应模块等技术，显著提升了分割性能。实验结果表明，该方法在多个基准测试中优于现有技术，具有更高的准确率和效率。

本文介绍了一种基于损失加权策略的无源无监督领域适应方法，通过估计伪标签的不确定性逐步优化伪标签，并采用自监督对比框架增强知识聚合。该方法在多个基准测试中表现优异，证明了其鲁棒性，并探讨了在医学图像分割等领域的应用，展示了其有效性和通用性。