本論文では、共有エンコーダを使用して意味分割、インスタンス分割、および部位分割を生成し、それらを効果的に融合してパノプティック・パート分割を達成する新しいネットワークを紹介します。これらの3つの分割問題を統一することで、相互に改善されかつ一貫性のある表現学習が可能になります。3つのヘッドの予測結果を効率的に融合するために、パラメータフリーの動的なロジットバランスと融合を行うジョイント・フュージョン・モジュールを導入しました。当手法はCityscapes Panoptic Parts (CPP) データセットとPascal Panoptic Parts (PPP) データセットで評価されました。CPPにおいて、提案モデルのジョイント・フュージョンによるPartPQは全領域で1.6ポイント、部位を持つセグメントで4.7ポイントそれぞれ前回の最先端技術を超える性能を示しました。PPPにおいても、ジョイント・フュージョンは従来のトップダウン結合戦略を使用したモデルよりもPartPQで3.3ポイント、パーティショナブルクラスのPartPQで10.5ポイント上回る性能を発揮しました。