该文综述透明玻璃分割研究，指出SAM在透明物体场景易失效并带来安全风险。相关方法包括GlassSegNet、增强边缘学习、GEM、SME与RFENet、内外边界注意力、轻量半监督分割、透明物体跟踪及GLASS全局到局部注意力等，均在基准数据集上取得优于现有方法的性能。