过去的方法通过压缩SAM的image encoder来实现轻量化，因为SAM的mask decoder参数量很小。转而使用基于学习的压缩器，比如Perceiver，用一组小固定 learned queries来总结密集feature map，然而简单使用Perceiver性能也会降低。两个阶段均将student model与SAM2的image encoder特征对齐，在第二阶段，还对齐memor

3）使用从source domain images中学习的prototype-based memory bank来作为domain adaptive prompt generator。3）使用Gradient-guided Pseudo-label Updating来更新pseudo-label。1）使用Adapter对SAM的image encoder进行微调，如下图所示。1）同样使用Adapt