インタラクティブセグメンテーションは、ヒューマンコンピュータインタラクションやデータアノテーションにおける応用において、近年顕著な注目を集めている。本研究では、インタラクティブセグメンテーションにおける対象オブジェクトのスケール変動問題に対処するため、新たなマルチスケールトークン適応アルゴリズムを提案する。複数スケールのトークンに対してtop-k操作を実施することで、計算複雑度を大幅に低減しつつ、性能の維持を実現している。さらに、マルチスケールトークン選択のロバスト性を向上させるために、対照学習（contrastive loss）に基づくトークン学習アルゴリズムも提案する。このアルゴリズムにより、マルチスケールトークン適応の性能が顕著に向上することが確認された。広範なベンチマーク評価の結果、既存手法と比較して最先端（SOTA）の性能を達成することが示された。インタラクティブデモおよびすべての再現可能なコードは、https://github.com/hahamyt/mst にて公開予定である。