この研究では、より良い注目学習のためにグローバル構造情報をキャプチャする効果的なRGAモジュールを提案します。具体的には、特徴の位置ごとに、グローバルスコープの構造情報と局所的な外観情報をコンパクトに把握するために、すべての特徴の位置とのペアごとの相関/アフィニティ、および特徴自体を組み合わせて、浅い畳み込みモデルで注目を学習します。

広範なアブレーション研究は、RGAが機能表現力を大幅に向上させ、いくつかの一般的なベンチマークで一番良いパフォーマンスを達成できることを示しています。