إن عدم قدرة الطرق الحديثة لتقسيم المعنى على اكتشاف الحالات الشاذة يُعيق توظيفها في تطبيقات حساسة للسلامة ومعقدة، مثل القيادة الذاتية. ركزت الطرق الحديثة إما على استغلال عدم اليقين في التقسيم لتحديد المناطق الشاذة، أو على إعادة توليد الصورة من خريطة التسمية المعنى للعثور على اختلافات بين الصورة المُدخلة والصورة المُولَّدة. في هذه الدراسة، نُظهر أن هاتين الطريقتين تحتويان على معلومات مكملة ويمكن دمجهما لإنتاج تنبؤات قوية لتقسيم الشذوذ. نقدّم إطارًا للكشف عن الشذوذ على مستوى البكسل، يستخدم خرائط عدم اليقين لتحسين الطرق القائمة على إعادة التوليد في الكشف عن الاختلافات بين الصورة المُدخلة والصورة المُولَّدة. يعمل نهجنا كإطار عام حول شبكات تقسيم معتمدة مسبقًا، مما يضمن الكشف عن الشذوذ دون التأثير على دقة التقسيم، ويتفوّق بشكل كبير على جميع الطرق المشابهة. وتحقيقه للمركز الثاني في مجموعة متنوعة من مجموعات بيانات الشذوذ يُظهر متانة نهجنا في التعامل مع أنواع مختلفة من الحالات الشاذة.