ピクセル方向のマスクを求める処理を、ForwardとBackwardで異なる計算とするGumbel-Softmax Trickによって訓練可能とするDynamic Convolutionsと、疎(Sparse)なマスクを得るためのSparsity Lossを提案した。

CIFAR-10、ImageNet及びFood-101による画像分類及びMPIIによる姿勢推定で評価し、速度と精度のトレードオフで見たときに従来手法を上回る結果。

マスクの可視化を含む実験を幅広く行い、推論時の性能向上を示したため通ったと考えられる。なお、似た名称のDynamic Convolution論文「Dynamic Convolution: Attention over Convolution Kernels」が、CVPR 2020のOralで採択されている。