Wir beabsichtigen, das Problem der punktbasierten interaktiven Segmentierung anzugehen, bei dem die wesentliche Herausforderung darin besteht, die vom Benutzer bereitgestellten Annotationen effizient auf unlabelede Bereiche zu übertragen. Bestehende Methoden bewältigen diese Herausforderung durch den Einsatz rechenintensiver vollständig verbundener Graphen oder Transformer-Architekturen, die wichtige feingranulare Informationen opfern, die für eine genaue Segmentierung erforderlich sind. Um diese Einschränkungen zu überwinden, schlagen wir ein kaskadenförmiges sparsames Merkmalsverteilungsnetzwerk (cascade sparse feature propagation network) vor, das eine click-erweiterte Merkmalsrepräsentation lernt, um die vom Benutzer bereitgestellten Informationen auf unlabelede Bereiche zu übertragen. Die sparsame Gestaltung unseres Netzwerks ermöglicht eine effiziente Informationsverteilung auf hochaufgelöste Merkmale und führt somit zu detaillierteren Objektsegmentierungen. Wir überprüfen die Effektivität unserer Methode durch umfassende Experimente auf verschiedenen Benchmarks, und die Ergebnisse zeigen die Überlegenheit unseres Ansatzes. Der Quellcode ist unter \href{https://github.com/kleinzcy/CSFPN}{https://github.com/kleinzcy/CSFPN} verfügbar.