本文提出了一种新的视频对象分割训练范式，通过在训练期间生成伪标签并将其与已标记数据结合优化模型，我们仅需要稀疏注释就可以训练出令人满意的模型。在使用 YouTube-VOS 和 DAVIS 基准测试时，我们的方法取得了与全标记集训练的同行相当的结果，仅使用了7.3％和2.9％的标记数据。