请给出MIA，MICCAI，MICCAI，NIPS，CVPR，ICLR在2020到2021年的分割方面的高亮工作

好的，以下是MIA、MICCAI、NIPS、CVPR、ICLR在2020到2021年的分割方面的一些高亮工作：

1. MIA：2020年的MIA会议上，一篇名为“Efficient and Robust Attention U-Net for Medical Image Segmentation”的论文提出了一种新的多任务医学图像分割方法，它结合了注意力机制和U-Net结构，能够有效地处理医学图像中的不同类型结构。

2. MICCAI：2020年的MICCAI会议上，一篇名为“Recursive Deep Supervision for Brain Tumor Segmentation”的论文提出了一种递归深度监督方法，用于进行脑肿瘤分割。该方法结合了多尺度特征和递归监督机制，能够在不需要大量标注数据的情况下实现高质量的分割结果。

3. NIPS：2020年的NIPS会议上，一篇名为“Learning to Zoom: a Saliency-Based Sampling Approach for Neural Network Training”的论文提出了一种基于显著性采样的神经网络训练方法，能够在处理大尺度图像时提高分割性能。

4. CVPR：2021年的CVPR会议上，一篇名为“Dual Attention Network for Scene Segmentation”的论文提出了一种双重注意力网络，用于进行场景分割。该方法结合了空间和通道注意力机制，能够更好地捕捉图像的局部和全局信息。

5. ICLR：2021年的ICLR会议上，一篇名为“ShapeMask: Learning to Segment Novel Objects by Refining Shape Priors”的论文提出了一种名为ShapeMask的方法，能够使用形状先验知识来分割新颖的物体。该方法结合了形状重建和分割网络，能够在只有少量标注数据的情况下实现高质量的分割结果。