يُعد التجزئة البانوبتيكية توحيدًا بين التجزئة الدلالية والتجزئة الفردية، وقد لاقت اهتمامًا متزايدًا في السنوات الأخيرة. ومع ذلك، فإن معظم الأبحاث الحالية تُجرى ضمن إطار التعلم المُراقب، بينما تُهمل بشكل كبير التجزئة البانوبتيكية المُتكيفة مع المجال غير المُراقب، التي تُعد بالغة الأهمية في المهام والتطبيقات المختلفة. قمنا بتصميم شبكة تجزئة بانوبتيكية مُتكيفة مع المجال، تعتمد على الاتساق بين الأنماط (inter-style consistency) والتنظيم بين المهام (inter-task regularization) لتحقيق تجزئة بانوبتيكية مُتكيفة مع المجال بأفضل أداء ممكن. يُستغل الاتساق بين الأنماط لاستغلال التحول الهندسي الثابت داخل الصورة نفسها عبر أنماط مختلفة، مما يُولّد توجيهات ذاتية (self-supervisions) تُساعد الشبكة على تعلم ميزات غير حساسة للمجال. أما التنظيم بين المهام، فيستفيد من الطبيعة المكملة لتجزئة الفردية وتجزئة الدلالة، ويستخدمها كقيود لتحسين محاذاة الميزات عبر المجالات المختلفة. أظهرت التجارب الواسعة على مهام متعددة للتجزئة البانوبتيكية المُتكيفة مع المجال (مثل التحويل من مُحاكاة إلى واقع، وواقع إلى واقع) أن الشبكة المقترحة تحقق أداءً متقدمًا في التجزئة مقارنةً بأفضل التقنيات الحالية.