DiscoBoxの紹介：これは、バウンディングボックス監督を使用してインスタンスセグメンテーションと意味対応を共同で学習する新しいフレームワークです。具体的には、構造化教師に加えてバウンディングボックス監督によってインスタンスセグメンテーションと意味対応が共同でガイダンスされる自己アンサンブルフレームワークを提案します。この教師は、ペアワイズポテンシャルとクロスイメージポテンシャルを組み込んだ構造化エネルギーモデルであり、ボックス内およびボックス間のピクセル間関係をモデル化します。教師エネルギーの最小化は同時に精緻なオブジェクトマスクとクラス内オブジェクト間の密集した対応関係を生成し、これらは擬似ラベルとしてタスクネットワークの監督に使用され、密集コントラスト学習のために正/負の対応ペアを提供します。我々は両タスクが互いに利益を得る共生関係を示しています。最良のモデルはCOCOインスタンスセグメンテーションにおいて37.9% AP（Average Precision）を達成しており、従来の弱い監督方法を超えており、完全な監督方法にも匹敵します。また、PASCAL VOC12とPF-PASCALにおいてもリアルタイム推論により最先端の弱い監督結果を得ています。