本稿では、セマンティックセグメンテーションと境界検出の両タスクを統合したマルチタスク学習フレームワークを提案する。本フレームワークの核心となる要素は、二つのタスクを結合し、共有された潜在的意味情報を保持して両タスク間で相互作用を実現する「イテレーティブピラミッドコンテキストモジュール（PCM）」である。セマンティック境界検出に関しては、非セマンティックなエッジを抑制するための新規な空間勾配融合手法を提案する。セマンティック境界検出はセマンティックセグメンテーションの双対タスクであるため、境界の整合性制約を導入した損失関数を導入し、セマンティックセグメンテーションにおける境界ピクセルの精度を向上させた。広範な実験により、最先端の手法と比較して、セマンティックセグメンテーションおよびセマンティック境界検出の両面で優れた性能を達成した。特に、粗いデータや外部データを一切用いない状態で、Cityscapesテストセットにおいて81.8%の平均IoUスコアを達成した。セマンティック境界検出においては、AP（平均精度）で前人最高水準を9.9%上回り、MF(ODS)（平均Fスコア、オブジェクトごとの最適な閾値）では6.8%の向上を実現した。