1. choice networkは複数の仮説に基づく最良の予測ベースを提供できる各モデル（Specialist）の信頼レベルを学習するように設計。2. MCL設定の過信問題を緩和するためにhinge lossを導入。3. 実装が容易であり、end-to-endでの学習が可能。

画像分類と領域分割のタスクにおいて他のアンサンブル手法（IE, sMCL, CMCL）よりvMCLが優れていることを示す。