本文提出了一种视频目标分割框架，利用空间语义特征和判别性目标查询解决目标部分的模糊性、遮挡、背景干扰和身份混淆问题。实验结果表明该方法在多个数据集上取得了最先进的性能，证明了其有效性和泛化能力。