この手法は、通常のGNNを直接採用するのではなく、ノード、エッジを再定義し、設計されたGNNがCNNと協力して、知識の伝播と特徴抽出をそれぞれガイドし、マルチビューの高次元画像特徴をさまざまなレベルで繰り返し処理します。さらに、連続するビュー間の制約を超えた一般的なグラフベースの損失関数が、エンドツーエンドのファッションでネットワークをトレーニングするために使用されます。

ドアと屋外の両方のデータセットで行われた広範な実験は、この手法が大規模で困難なシナリオで特に既存の手法よりも優れていることを示しています。