本稿では、画像の拡張間におけるラベル空間の一貫性（label-space consistency property）と、異なるピクセル間における特徴空間の対比性（feature-space contrastive property）の両方を同時に達成する新しい半教師付きセマンティックセグメンテーション手法を提案する。それぞれの目的に応じて、ピクセルレベルのL2損失とピクセル対比損失を用いる。また、ピクセル対比損失に伴う計算効率の問題および誤った負例（false negative noise）の問題に対処するため、複数のネガティブサンプリング技術を導入し、その有効性を検証した。広範な実験により、DeepLab-v3+アーキテクチャを用いた本手法（PC2Seg）が、VOC、Cityscapes、COCOデータセットから導かれる複数の挑戦的な半教師付き設定において、最先端の性能を達成することが示された。