Unsupervised Video Object Segmentation（映像中からメインの被写体をラベル無しで抽出するタスク。以下UVOS）に取り組んだ論文。既存の手法でよく使われる短いフレームからの情報ではノイズや被写体の変形などの影響でうまく主題抽出できていなかった。しかし、本論文ではCo-attentionと呼ばれるモジュールを使用することで映像全体から主題抽出できるようになった。