该文综述主动学习在三维目标检测与点云分割中的应用，提出基于Crb框架、信息熵查询、不确定度度量及半监督等方法，筛选高信息量样本以降低标注成本、缓解类别不平衡，并在nuScenes、KITTI等数据集上验证有效。

该文综述深度主动学习研究进展，涵盖判别式主动学习法DAL（大批次查询下性能与先进方法相当且易扩展）、基于半监督极小极大熵的方法（兼顾不确定性与多样性）、DIRECT算法（节省超15%标注预算），以及单类样本主动学习、面向目标检测的不确定度度量、伪标签与蒸馏降低算力、领域知识约束KAL框架和对比学习聚类选样等方法，并梳理了深度主动学习的定义与未来方向。