ReferringSegmentationの手法。画像のコンテキストに一致する言語特徴の収集と各言語コンテキストをベースに画像特徴の2つの位置の空間上の依存性をとらることで2つの特徴間の関係を考慮した特徴を収集。これをLSTMから抽出された言語特徴抽出した高レベルな特徴と低レベルな特徴に対して行う。そして得られたマルチレベルの情報からTopDownとBottomUpで選択的に合成する。