في هذه الدراسة، نقترح مفهوم "الصور المماسية" (tangent images)، وهو تمثيل صوري كروي يُسهّل تطبيق الرؤية الحاسوبية الممتدة لزاوية 360 درجة بشكل قابل للتحويل والتوسع. مستوحى من تقنيات الخرائط الجغرافية والرسوم الحاسوبية، نُنتج صورة كروية على مجموعة من الشبكات الصورية المستوية محليًا، والتي تكون مماسة لهرم مُقسَّم (icosahedron) مُنقسم إلى أجزاء أصغر، مع تقليل التشوهات. وباستخدام تغيير دقة هذه الشبكات بشكل مستقل عن مستوى التقسيم، يمكننا تمثيل صور كروية عالية الدقة بشكل فعّال، مع الاستفادة في الوقت نفسه من تقريب كروي مبني على الهرم المُقسَّم، الذي يتميز بتشوه منخفض. نُظهر أن تدريب الشبكات العصبية التلافيفية القياسية على الصور المماسية يتفوق على العديد من النوى التلافيفية الكروية المتخصصة التي تم تطويرها سابقًا، مع الحفاظ على كفاءة التوسع لمعالجة دقة كروية أعلى بشكل كبير. علاوة على ذلك، وبما أن نهجنا لا يتطلب نوى متخصصة، نُثبت أنه يمكن نقل الشبكات التي تم تدريبها على الصور الواسعة (perspective images) إلى البيانات الكروية دون الحاجة إلى التدريب الدقيق (fine-tuning)، مع انخفاض محدود في الأداء. وأخيرًا، نُظهر أن الصور المماسية يمكن استخدامها لتحسين جودة الكشف عن الميزات النادرة في الصور الكروية، مما يُبرز فائدتها في المهام التقليدية لرؤية الحاسوب مثل إعادة بناء البنية من الحركة (structure-from-motion) وSLAM.