損失関数を、矩形情報との一致の度合いのProjection Lossと、あるピクセルと周辺のピクセルとの「エッジの色の類似度」に基づくPairwise Affinity Mask Lossとの和で定義するBoxInstを提案した。なお、ネットワーク構造はECCV 2020採択のCondInstを使用し、損失関数以外の変更は加わっていない。

COCOデータセット及びPascal VOC 2012のデータセットで、ImageNet Pre-trainedのResNetをバックボーンに使用し、バウンディングボックス情報のみの従来手法を大きく上回る結果。マスク情報を使うMask R-CNNなどには流石に及ばないが、かなり近い精度を記録。

実用上も意義があるタスクに対し、大幅に精度を向上させたため通ったと考えられる。オーストラリアのアデレード大学の研究グループによるAdelaiDet( https://github.com/aim-uofa/AdelaiDet/ )で、Detectron2ベースの実装が公開されている。