本研究提出了一种名为SPILL的领域自适应聚类方法，旨在解决现有意图聚类在新领域数据集中的局限性。该方法无需微调，显著提升了嵌入模型的适应性和聚类性能。

本研究提出了一种基于扩散模型的数据增强和知识蒸馏方法（DAKD），旨在解决海洋油污检测中的标注数据不足和SAR图像噪声问题。新开发的SAROSS-Net在油污分割任务中表现优异，显著提高了模型的泛化能力。