本文提出三种策略，解决文本驱动风格传递中的过拟合、风格控制受限和文本内容不对齐问题，显著提升了风格传递质量和文本对齐度，且可无缝集成至现有框架。

该方法通过在潜在特征空间中传递目标领域的风格给源领域，解决了图像级别和浅层特征图级别上的问题，并在目标领域上取得了出色的性能。

我们提出了一种简单直接的方法来减小不同领域之间的差异，并与自训练的无监督领域适应方法集成。该模型通过在潜在特征空间中传递目标领域的风格给源领域，解决了图像级别和特征图级别上的问题，并在目标领域上取得了出色性能。在合成到真实的无监督领域适应任务中，我们的方法在GTA->Cityscapes数据集上达到了显著的UDA性能，mIoU为76.93%，比先前最先进结果改善了1.03个百分点。