OmniSeg3D是一种全方位理解3D场景的通用3D分割方法，通过层次对比学习框架将多视图不一致的2D分割提升为一致的3D特征场，实现了分层分割、多对象选择和全局离散化。该方法在高质量3D分割和准确定义了层次结构方面的有效性，并通过图形用户界面实现了灵活的全方位3D分割的交互操作。

Nellie是一个自动化管道，用于分割、跟踪和提取细胞内结构。它通过图像元数据进行调整，消除了用户输入，实现稳健的分层分割。Nellie还能提取多个特征，进行深度和可自定义的分析。它具有基于Napari的图形用户界面，可实现免代码操作和可视化。

本文提出了一种新颖且通用的方法，通过分层分割在图上构建紧框架，以有效地表示具有路径支持的图信号。实验结果表明该方法在非线性逼近任务中表现出优越性。