本研究提出了一种双分支特征分解融合网络（DAF-Net）及其领域自适应方法，解决了红外和可见光图像融合中的关键特征保留问题。DAF-Net通过引入多核最大均值差异和设计混合核函数，有效对齐了红外和可见光图像的潜在特征空间，提升了融合图像的质量和性能。

该研究介绍了一种新的交叉领域语义分割方法，利用视觉语言模型重新标记目标领域中的新类别。该方法在基准测试中表现良好，并与领域自适应方法相结合时展现出协同效应。

该研究提出了一种从合成动物数据集学习语义部分分割的方法，通过改进现有的领域自适应方法，实现了更广泛的姿态多样性。研究在PartImageNet上验证了该方法的有效性，并展示了合成虎和马的学习部分在所有四足动物上的可传递性。