في هذه الورقة، نقترح شبكة تجزئة بانورامية موحدة (UPSNet) للتعامل مع مهمة التجزئة البانورامية التي تم اقتراحها حديثًا. فوق شبكات البقايا المُوحدة، نقوم أولاً بتصميم رأس تجزئة دلالية يستند إلى التحويلات المتغيرة ورأس تجزئة كيانية بنمط Mask R-CNN، اللذين يحلان هذين الفرعين من المهمة في وقت واحد. وأكثر أهمية من ذلك، نقدم رأسًا بانوراميًا خاليًا من المعلمات يحل مشكلة التجزئة البانورامية عبر تصنيف بكسلات الصورة. يعتمد هذا الرأس أولاً على النواتج المنطقية من الرؤوس السابقة ثم يقوم بشكل مبتكر بتوسيع التمثيل لتمكين التنبؤ بمجموعة إضافية غير معروفة (unknown class)، مما يساعد في حل النزاعات بين التجزئة الدلالية والتجزئة الكيانية بشكل أفضل. بالإضافة إلى ذلك، يعالج الرأس تحدي العدد المتغير للحالات ويسمح بالانتشار العكسي إلى الوحدات السفلية بطريقة شاملة ومتكاملة. تُظهر النتائج التجريبية الواسعة على Cityscapes و COCO وقاعدة بياناتنا الداخلية أن UPSNet الخاصة بنا تحقق أداءً عالميًا رائدًا مع استدلال أسرع بكثير. تم جعل الكود متاحًا في: https://github.com/uber-research/UPSNet