本文介绍了一种无监督域自适应（UDA）方法，旨在将深度神经网络从合成数据适应到真实数据。通过对抗模块和自训练策略，该方法成功对齐了两个数据分布，提升了语义分割的准确性和稳健性，且在不同基准测试中表现优异，具有广泛的应用潜力。