リアルタイムのシーン理解は、自動運転などの多くの応用分野で重要な役割を果たしています。本論文では、BlitzNetと呼ばれる深層アーキテクチャを提案します。このアーキテクチャは、単一の順方向パスで物体検出とセマンティックセグメンテーションを同時に行うことができ、リアルタイム計算を可能にします。複数のタスクを一つのネットワークで行うことで得られる計算効率の向上だけでなく、我々は物体検出とセマンティックセグメンテーションが互いに精度向上に寄与することを示しています。VOCおよびCOCOデータセットに対する実験結果は、リアルタイムシステムの中で物体検出とセグメンテーションにおいて最先端の性能を達成していることを示しています。