意味的インスタンスセグメンテーションは依然として困難な課題である。本研究では、画素レベルで動作する識別的な損失関数を用いてこの問題に取り組む手法を提案する。この損失関数は、畳み込みネットワークが、単純な後処理ステップによって容易にインスタンスにクラスタリング可能な画像表現を生成するよう促す。具体的には、同一インスタンスに属する画素が特徴空間内で近接するように、異なるインスタンス間には広いマージンが確保されるようにネットワークの出力を制御する。本手法は、既存のネットワークと、メトリック学習のアプローチに着想を得た原理的な損失関数を組み合わせるというアプローチであり、インスタンスセグメンテーション分野における最近の研究とは概念的にシンプルかつ明確に異なる。従来の手法とは異なり、本手法はオブジェクト候補や再帰的機構に依存しない。本研究の主な貢献は、装飾的な要素を一切用いずにシンプルな構成でも有効であることを示したことである。このシンプルなアプローチは、より複雑な手法と同等の性能を達成できることを実証した。さらに、一般的に用いられる「検出＋セグメンテーション」アプローチに見られるいくつかの制約に悩まされないことも示した。本手法は、CityscapesおよびCVPPP葉画像セグメンテーションベンチマークにおいて、競争力のある性能を達成した。