本文综述指代图像分割与理解研究，涵盖逐步学习多模态特征、InstanceRefer三维定位、ReCo无监督分割、跨模态渐进推理、CLEVR-Ref+数据集、RmLR人物交互检测、CRIS框架、MCN多任务协作网络及级联交互理解等方法，在RefCOCO等数据集上均取得优异性能。