视觉感知一直是人类接触外部世界的主要感知方式,其中图像和视频作为视觉信息的主要载体成为了人类探索外部世界的基础。运用基于深度学习的分割算法对图像和视频中的主要前景对象进行分割,在广泛的实际应用（例如,视频监控、自动驾驶等）中发挥着重要的作用。尽管基于深度学习的全卷积神经网络已经在密集预测任务上取得了阶段性进展,但是依旧存在着诸多潜在的问题。由于图像中复杂的场景（例如,易混淆的对象或前背景低对比度）,模型无法精确定位前景对象和恢复精细边界细节。由于视频中的复杂场景和复杂运动状况（例如,遮挡、运动模糊等）带来的挑战,模型无法维持时序稳定性对视频进行对象分割。单纯地依赖于图像信息,模型受到噪声和无效信息的干扰,这造成了性能的严重衰减。本文在引入外部模态信息的基础上,证明了外部模态增强及多模态深度协作对于分割模型性能提升的重要意义,并由此设计了新颖的图像分割方法（显著性目标检测）和视频分割方法（无监督视频对象分割）。针对图像分割,本文设计了多属性特征协作网络,其以外部深度模态和外部边缘模态作为监督信息,从图像中建模深度属性信息和边缘属性信息,其利用多属性特征中稳定的几何结构信息来提供鲁棒的空间信息表达,从而实现前景对象的精确定位和细节恢复。针对视频分割,本文引入了外部光流模态,并设计了基于外观-运动的注意力多模态协作网络,其利用表征运动的光流模态来提供运动信息,并设计相关模块来自适应地融合多模态特征中的有效信息来联合产生鲁棒的时空特征表示。基于简单、新颖、有效的多模态聚合模块,本文提出的图像分割方法和视频分割方法在多个具有挑战性的基准数据集上进行了大量实验,并在不同的评估指标下证明了优越的性能。