我们提出了一种深度学习方法，通过在形状集合内跨形状传播点级特征表示，实现三维形状分割。为此，我们设计了一种跨形状注意力机制，使单个形状的点级特征与其他形状的特征之间能够进行交互。该机制不仅评估点与点之间的交互程度，还调控特征在不同形状间的传播过程，从而提升分割任务中点级特征表示的准确性与一致性。此外，我们还提出了一种形状检索度量方法，用于为每个测试形状选择适合进行跨形状注意力操作的参考形状。实验结果表明，所提方法在主流的PartNet数据集上取得了当前最优的分割性能。