该文综述半监督与弱监督图像分割研究，涵盖GuidedMix-Net（用标记数据指导未标记数据，结合特征对齐与伪标签提升mIoU）、图像级标签实例分割、MaskMatch多尺度集成、弱监督视频实例分割、医学影像标注者可靠性学习、mixup伪标签分类、合成图像训练、自一致性篡改检测及域移位主动学习等方法。

该文综述半监督与弱监督图像分割研究进展。半监督分割方面，DPMS通过数据扰动与模型稳定化提升性能，MMT-PSM采用教师—学生网络并挖掘扰动敏感样本，多层级知识蒸馏实现轻量半监督语义分割，另有二十年SiS综述及Transformer趋势分析。弱监督实例分割方面，自训练改进伪标注，像素级原型对比提升语义分割，点标签WSSIS与Implicit PointRend降低标注成本，条件分布建模伪标签不确定性，多模态2D/3D监督提高伪标签质量。