問題設定そのものが新しい。更に10000枚の擬態シーンを含む大規模データセットを収集、厳密にアノテーションを行ったことが新規性。データセットはほぼFlicker上から収集、内訳は擬態シーン5066枚、Backgroundのみ3000枚、通常シーン1934枚（バイアスを避けるため）、インスタンスラベル他が付与。

小規模の既存のCODデータセットの全てでSOTA性能を達成。ネットワークはシンプルではあるがEnd2Endで学習でき、学習時間はわずか1時間。

問題設定がキャッチーであり、人間が困難なタスクであるため相対的に機械学習での結果のインパクトが大きい。これからのこの分野の発展を期待されてオーラルで採択されたと考えられる。