本文提出了一种自适应动态融合多模态语义分割框架，利用自监督模型优化多模态特征融合，增强鲁棒性。设计了高效的AdapNet++单模分割架构，并在KITTI数据集上验证了算法的有效性，分割精度较基线模型提高了10%。此外，SAM-REF框架通过两阶段细化过程，提升了图像与提示信息的整合效果，超越了现有模型的性能。