従来手法はend to endでs-pixelを学習するモデルもあるけど、Fully convolutionではない。（抽出された特徴に対してk-meansを適用することでs-pixelを予測するような手法） 提案手法は各ピクセルに対するs-pixelの割り当てマップを予測するタスクに置き換えることでグリッド形状の画像と畳み込みの形式にもs-pixelを対応できるようにした。

superpixelセグメンテーションタスクでSOTA。50fpsで予測可能。Superpixelsとdisparityを同時に予測するステレオマッチングタスクで既存手法に適用し、disparity estimation accuracyが向上した。