既存のゼロショット画像認識手法では、画像全体の情報を利用して意味空間に埋め込んでいるが、微妙な違いの区別が難しかった。本論文では、局所画像領域に着目した注意領域埋め込みネットワークを提案している。注意領域埋め込みとは、意味的に重要な領域を切り出し埋め込むことであり、さらに不要な領域を弾くための新しい閾値処理方法も提案している。これにより、ラベル付けによらない画像分類の本質的な問題の解決につながる。