本研究提出了一种自适应视觉-语言模型，用于肺动脉和静脉的三维分割，减少了对标注数据的依赖。通过语言引导的交叉注意力融合框架，结合预训练的CLIP模型，实验结果表明该方法在分割任务上优于其他先进技术。

本研究提出了一种名为Find3D的三维开放世界部件分割方法，通过大规模无人工注释训练，显著提高了分割性能和速度。

该研究提出了一种贝叶斯自训练框架，用于解决三维分割领域缺乏标注数据的问题。该方法通过随机推断生成初始伪标签并基于点的估计不确定性进行过滤，取得了最先进的结果，显著提升了密集三维视觉定位的性能。

本文介绍了一种基于高斯函数的三维分割和重建方法，利用二维分割图指导三维高斯语义信息学习，提出了SA-GS和SAGA等新方法，显著提高了三维对象的分割精度和速度。

该论文介绍了一种名为TSegFormer的多任务3D变换器架构，用于在光学口腔扫描仪中对牙齿和牙龈进行准确的三维分割。通过几何引导损失进行边界细化，实现终端到终端的分割，避免了耗时的后处理。实验证明TSegFormer优于现有方法，具有临床适用性。