3D-BBDA：面向鲁棒三维点云识别的无反向传播黑盒域适应方法

3D-BBDA 是一个无反向传播的黑盒域适应框架，仅利用源模型的黑盒输出，将源训练预测器适配到无标注目标数据，用于应对传感器变化、环境差异和采集伪影造成的域偏移。方法采用伪标签引导的原型对齐，并用加权预测模块融合源 logits 与对齐 logits 以降低对噪声伪标签的敏感度；当伪标签覆盖不完整时，从无标注目标预测构造高斯扰动原型先验，作为缺失或不可靠类别原型的回退。在四个损坏三维基准上，该方法相较强基线取得一致提升：ModelNet-40C 上平均误差为 32.08%（PointNet）和 29.62%（GDANet）。