(1)channel-gatingの提案 feature mapを入力すると重要なkernelを選定するgates構造（出力：0or1）を導入。あるタスクで重要と判定されたkernelは他タスク学習時にはFreezeする（ただし利用は可能なのがこの手法の良い点） (2)task classifierの導入 入力からニューラルネットが自ら現在のtaskを推定して、複数ある出力層を動的に切り替える。

MNISTやSVHNやCIFAR-10のデータセットにより実験。task-labelが与えられている場合は、SoTA手法と同等程度の性能を達成。task-labelが与えられていない場合はSoTAを達成。

task-labelがない場合というリアリティある問題設定でSoTA達成した点が評価できる。また、task-labelなしでも従来と同等性能を達成した点が高評価だったとうかがえる。