本文提出了新框架MSTA3D，旨在解决3D实例分割中的过度分割问题，尤其是大物体的分割。MSTA3D结合多尺度特征、双注意力机制、箱体查询和正则化，实验结果在多个数据集上优于现有方法。

本文提出了一种名为DASNet的全卷积连体网络，通过双注意力机制提高模型的识别性能，并通过惩罚注意力和增加注意力来解决变化检测的样本不均衡问题。实验结果表明，该方法在F1值上比其他基线方法分别提高了2.1%和3.6%，具有较强的鲁棒性。