①従来重要視されて，研究されていないReasoningに対しての一致性に着目．②従来のVQAデータセットに対して，Question onlyのSub-セットを追加し，Reasoning質問に対しての一致性向上に貢献．③Sub-set質問とOriginal質問に類似する画像Attentionをさせるようなモデルを提案し，精度を保ちつつ，Reasoning問題に対してのConsistencyを向上．

提案手法が①Model consistency(+7.8%);② Reasoning問題の精度的に従来手法より大幅向上できた．

Reasoning問題に対しての一致性が既存のVQA手法の問題点，この点もVQA手法の根本的有効性に疑問をもたらしている．この研究がReasoning問題の一致性に着目し，新たにVQAデータセットのQuestionの追加やさらに対応する手法（追加のSub-QuestionとOriginal Questionに対して類似した画像Attentionをさせる）を提案した．