HazeCLIP是一种语言引导的适应框架，通过区域特定去雾技术和定制提示集，提高了预训练去雾网络在真实世界中的性能。实验证明HazeCLIP在真实世界图像去雾方面达到了最先进的性能。

本研究提出了FedPDA，一种新的适应框架，用于解决医学影像中深度神经网络的性能下降问题。通过将远程数据的学习效用引入到PDA中，FedPDA能够通过远程梯度交换获取源数据的信息，并针对目标领域进行优化。实验结果表明，FedPDA在多中心数据库上表现优异，特别是在癌症转移检测和皮肤病变分类方面。