该研究通过学习视觉提示提升少样本分割效果。方法利用少量样本对多尺度Transformer解码器进行提示，实现准确预测。引入单向因果关注机制连接新旧提示，提升新提示质量。在COCO-$20^i$和Pascal-$5^i$数据集上表现优异，无需测试时间优化，并使用未标记数据进行提示调优。