本文研究了无源无监督域自适应问题，提出了一种名为360SFUDA++的方法，通过针孔图像模型和未标记的全景图像进行知识转移和对齐，实验结果表明该方法表现更好。

本文提出了一种名为360SFUDA++的无源无监督域自适应方法，通过源模型和目标模型进行知识转移和对齐，实现针孔到全景语义分割。实验结果表明，该方法相较于先前的SFUDA方法表现更好。

本文研究了无源无监督域自适应问题，通过预训练的针孔图像模型和未标记的全景图像。提出了360SFUDA++方法，从源针孔模型中提取知识，并将可靠的知识转移到目标全景领域。实验证明，该方法相较于先前的SFUDA方法表现更好。

本文研究无源无监督域自适应问题，提出了一种去噪假标记方法，通过不确定性估计和原型估计，引入像素级和类级去噪方案，减少嘈杂的假标记并选择可靠的假标记，增强假标记有效性。实验结果显示，该方法在不使用源图像或修改源训练的情况下，性能与最先进的源相关无监督领域适应方法相当甚至更高。