本文提出了一种无监督领域自适应方法，结合光谱和热图像模态，促进目标领域的表示学习。通过多任务学习框架和大规模红外数据集优化特征模型，实验结果显示相对增益达到10%。此外，利用生成模型解决合成与真实TIR图像的领域差距，显著提高了远程目标检测性能。

本文提出了一种无监督领域自适应方法，结合光谱和热图像模态，促进目标领域的表示学习。通过自训练引导的对抗领域自适应，改进了可见光与热成像的对齐，提升了夜间语义分割和目标检测的性能。研究表明该方法在多个任务中优于现有技术。