サンプリングコストを抑えつつNested dropoutを行うために、dropoutに用いる順序付きマスクの事後分布を変分近似する手法を提案。また、この手法を用いて、Bayesian Nested Neural Networkを構築することで、テスト時にアーキテクチャを調整可能なBayesian Neural Networkを実現した。

一般物体の画像分類及び肺CT画像の異常検知での評価を通して、提案手法が精度の向上と不確実性のキャリブレーションに寄与していることを確認した。