透明与半透明材料由于缺乏RGB纹理，给现有的场景理解与分割算法带来了重大挑战，阻碍了有意义特征的提取。本文中，我们利用玻璃材料对光-物质相互作用的独特特性，为每一波长的光提供了独特的强度-偏振线索。为此，我们提出了一种新型基于学习的玻璃分割网络，该网络仅需一张未经任何照明偏振状态假设的单张照片，即可同时利用三色（RGB）强度信息与三色线性偏振线索。所提出的网络架构通过一种新颖的全局引导与多尺度自注意力模块，动态融合并加权三色颜色与偏振线索，并引入全局跨域上下文信息，以实现鲁棒的分割效果。我们在一个全新的大规模RGB-偏振数据集（RGBP-Glass）上对方法进行了训练与广泛验证，实验结果表明，我们的方法在性能上显著优于当前最先进的分割技术。