نقدّم مصطلحًا جديدًا لدالة الخسارة يراعي الحدود، يُستخدم في التجزئة الدلالية من خلال شبكة تحوّل عكسي، والتي تتعلّم بكفاءة درجة التحويلات المعاملية بين الحدود المقدرة والحدود المستهدفة. يُكمّل هذا المصطلح القابل للتركيب دالة الخسارة التقاطعية (cross-entropy) في اكتشاف تحولات الحدود، ويسمح بتحسين أداء موديلات التجزئة الأساسية بشكل متسق وملحوظ دون زيادة حجمها أو التعقيد الحسابي. قمنا بتحليل التأثيرات الكمية والكيفية لدالتنا على ثلاث معايير للتجزئة داخلية وخارجية، تشمل Cityscapes وNYU-Depth-v2 وPASCAL، ودمجناها في مرحلة التدريب لمجموعة من شبكات الأساس (backbone) في بيئة تدريب واحدة ومتعددة المهام. أظهرت تجاربنا الواسعة أن الطريقة المقترحة تتفوّق بشكل متسق على النماذج الأساسية، بل وتُحدّد الحالة الراهنة (state-of-the-art) الجديدة على مجموعتي بيانات.