・co-saliency detectionにGCNを取り入れた ・上記タスクにおいてGCNを活用するために，グラフをクラスタリングするAttentional Graph Clustering Module(AGCM)を提案した．画像中に共通する物体を検知するためには特徴空間上でのマッチングが必要であるが，AGCMによりシーングラフ同士を特徴空間上で比較することが可能になった．

iCoseg, Cosal2015, COCO-SEGという三つのco-saliency segmentationのデータセットで検証し，多くの従来手法を上回る性能が確認された．また提案手法であるGraph Convolution, AGCMの有効性を確認するためのablation studyを行い，それぞれの提案部分が有効であることを示した．

最大の手法の肝であるGraph Convolutionを使う理由を明確に述べることができていた(CNNが大域的な特徴を捉えられないという点)．また，全体として段落中の言いたいことの流れが簡潔に纏まっていて読みやすかった． 単純にGCNを使用しただけでなくGCNの出力結果を特徴空間上でマッチングするAGCMの新規性も評価されたと考えられる．(シーングラフを特徴マッチングできるという汎用性？)