本文介绍了FocalClick、PseudoClick和AdaptiveClick等多种交互式分割模型的进展。这些模型通过优化用户交互和提高分割精度，显著提升了分割效果，尤其在处理复杂场景和减少用户点击方面表现出色。此外，研究提出了新的鲁棒性评估方法，强调了交互式分割模型的有效性和实用性。

交互式分割是医学图像分析中的关键研究领域，基于深度学习的方法推动了该领域的发展。本综述提供了该领域的分类、方法综述和实践分析，并讨论了挑战和机遇。

深度学习在遥感应用中起关键作用，但在地物覆盖分类任务中交互式分割应用较少。本研究评估了五种交互式分割方法在航空影像数据集上的性能，并引入了一种创新的推理策略。结果显示，基于点的方法始终优于其他方法。研究还开发了一个名为RSISeg的在线工具，具有较强的交互性、可修改性和适应性。

该研究论文提出了一种新的SGISRF方法，用于光辐射场中的交互式分割。该方法通过少量用户交互点击对新场景进行3D物体分割，并通过特别设计的技术解决了关键挑战。多个实验证明了该方法的有效性和适用性。

本研究评估了五种基于深度学习的交互式分割模型在遥感图像分析中的性能，并开发了一个名为 RSISeg 的在线工具。RSISeg 具有较强的交互性、可修改性和适应性。

深度学习在遥感应用中的重要性不断增强。本研究评估了五种交互式分割方法，发现基于点的SimpleClick模型表现最佳。研究团队开发了名为RSISeg的在线工具，具有更强的交互性、可修改性和适应性。

该研究论文提出了一种新的SGISRF方法，用于光辐射场中的交互式分割。该方法通过少量用户交互点击对新场景进行3D物体分割，并通过三种特别设计的技术解决了关键挑战。实验结果证明了该方法的有效性和适用性。