レイヤーに分解するタスクに対し、Encoder-Decoder構造の2段階のCNNをSelf-Supervisedで学習させる手法を提案した。

複数の従来手法と、同じ画像を使用した定性的な比較を行い、同等と言える出力品質。実行時間では、従来のSOTA手法に対して大幅に高速な結果。動画を現実的な時間で処理できる唯一の手法と主張し、従来手法の一つでは1080p動画450フレームの処理に約50時間かかるのに対し、提案手法では1.35秒の結果。

最適化ベースでレイヤーに分解する従来手法に対し、同等と言える出力品質で、大幅な高速化を達成しているため通ったと考えられる。