الفهم الهندسي والدلالاتي القوي للمناظر الطبيعية أصبح أكثر أهمية في العديد من التطبيقات الواقعية مثل القيادة الذاتية وتوجيه الروبوتات. في هذا البحث، نقترح نهجًا يستند إلى التعلم متعدد المهام قادر على أداء الفهم الهندسي والدلالاتي للمناظر الطبيعية بشكل مشترك، ويشمل هذا التوقع العمقي (تقدير العمق الأحادي وتكملة العمق) وتقسيم المناظر الدلالي. ضمن شبكة تكرارية محددة زمنيًا واحدة، يتميز نهجنا بفوائده الفريدة من سلسلة معقدة من الروابط القافزة (skip connections)، التدريب المعادي (adversarial training) والقيود الزمنية للتكرار المتتالي للأطر لإنتاج تصنيفات عمق وفئات دلالية متسقة في الوقت نفسه. تظهر التقييمات التجريبية الواسعة فعالية نهجنا مقارنة بالتقنيات الرائدة المعاصرة الأخرى.