これまでの研究ではRNNを用いた手法が研究されてきたが、RNNベースの手法は時間に依存した構造のため、テキスト情報のコンテクストの利用や計算効率に難があった。提案手法では、attentionとGlobal Semantic Reasoning Module (GSRM)により並列で処理できるモデルを提案した。

画像テキスト認識の6つのデータセットで19のベースライン手法と単語認識率、文字認識率を比較して有効性を確認した。速度の比較についても検証しており、GSRMの導入でCTCベースのものよりは少し遅くなる

ベースライン手法との比較だけではなく、提案モデル内の様々なバリエーションについて検討しているので提案手法の有効性に説得力がある。