نقدّم طريقة جديدة للفصل الدلالي شبه المُعلَّم، والتي تحقق بشكل مشترك خصائص رغوبتين رئيسيتين في نماذج الفصل: خاصية الاتساق في فضاء التسميات بين التحويلات الصورية، وخاصية التباين في فضاء الميزات بين النقاط المختلفة. نستفيد من خسارة مربع القيمة (L2) على مستوى البكسل، وخصائص التباين بين البكسل، لكل من الهدفين على حدة. ولحل مشكلتي الكفاءة الحسابية وضوضاء السلبيات الخاطئة المرتبطة بخسارة التباين بين البكسل، نقدّم ونُجري دراسة معمقة لعدة تقنيات لاختيار السلبيات. تُظهر التجارب الواسعة أداءً متفوقًا على المستوى الحدّي (PC2Seg) باستخدام بنية DeepLab-v3+، في عدة بيئات شبه مُعلَّمة صعبة مستمدة من مجموعات بيانات VOC وCityscapes وCOCO.