提出了一种基于交互式分割的语义多样性分割网络 PiClick，利用 Transformer 网络结构实现互动式 mask 查询，设计了 Target Reasoning 模块，能够自动推断出所有建议中最匹配的 mask，显著减少了目标模糊性以及额外人工干预。

Apr, 2023

FocalClick 提出了一种交互式分割模型，通过两个快速推理处理目标区域与焦点区域的粗分割和局部细分割，采用渐进式合并的方法有效地对预先存在的分割遮罩进行修正，同时在 FLOP 显著更小的情况下实现了与 SOTA 方法相当的结果。

Apr, 2022

本研究提出一种基于迭代式训练策略的交互式对象分割系统，利用用户输入的 clicks 作为卷积网络的输入，相较于现有的启发式 click 采样策略，本方法取得了更优的分割结果。

May, 2018

我们提出了一种新的分割过程，即文本 + 点击分割，其中模型接受图像、描述类别的文本短语和指定要分割的实例的单击作为输入，相比以往方法，我们利用开放词汇的图像 - 文本模型支持广泛的文本提示，通过在文本提示上调节分割结果提高了对于新颖或未见类别的分割准确性。

Nov, 2023

通过对交互式分割模型的实际用户研究，发现常规评估策略的直观假设可能无法成立，因此建议采用直接优化的白盒对抗攻击方法来评估交互式分割模型的鲁棒性，并引入了一种新的鲁棒性度量标准和多个模型的广泛评估结果。

Feb, 2024

本文将 IS 任务作为基于高斯过程的像素二元分类问题，使用变分推理将 GP 后验近似为双空间形式，提出了 GPCIS 框架用于精细传播和提升分割的准确性，并在多个基准实验中验证了其优越性和高效性。

Feb, 2023

本文介绍了一种基于前向传递的点击交互式分割模型，无需额外的优化技巧即可实现最新的最佳结果，并且对于性能的分析表明，使用 COCO 和 LVIS 的训练数据集所训练的模型表现最佳。

Feb, 2021

本文提出了 ClickSeg，一种新颖的基于点击级弱监督的 3D 实例分割方法，仅需要每个实例的一个点注释；通过提出基线弱监督训练方法和新的训练框架，使用 k-means 和固定初始种子进行聚类，实验证明 ClickSeg 在 ScanNetV2 和 S3DIS 数据集上的结果优于之前最佳的弱监督实例分割方法，并且在 0.02% 的监督信号下，准确率达到了完全监督对应方法的约 90%；同时，在相同注释设置下，也实现了弱监督方法中最先进的语义分割结果。

Jul, 2023

使用线条代替点击作为输入的交互式分割算法可减少用户所需的工作量，并能在多种情况下产生更好的分割结果。

Apr, 2024

本研究提出了一种基于点击注释的有效的弱监督视频语义分割管线 WeClick，使用了两种不同的知识蒸馏策略来学习模型并提升视频语义分割的效果，在实时执行方面表现较好。

Jul, 2021