本研究提出了一种名为参考音频 - 视觉分割（Ref-AVS）任务的新任务，旨在通过多模态提示对对象进行分割。通过构建第一个Ref-AVS基准和提出新方法，实验证明了该方法在精确分割对象方面的有效性。

本文提出了一种基于多编码器的自适应硬注意力网络(MESAHA-Net)的方法，用于CT扫描中肺结节的精确分割。该方法包含关注块和解码器块，采用了新颖的自适应硬注意力机制，能够在不同种类的输入下针对肺结节进行2D逐层分割，生成3D容积分割。经LIDC-IDRI数据集评估后发现，在医疗实现中具有高鲁棒性和更好的分割精度和计算复杂度。