手法的に新規性がある。既存のOCR-Image captioning手法がOCR tokens間の関係性を考慮していない。しかし、OCR tokens間の関係性の理解がこのタスクにおいて重要。この文章でこの関係性を扱えるモデルLSTM-Rを提案し、既存のベンチマークにおいてSoTAを達成した。

既存のベンチマークTextCapsにおいてSoTAを達成し、特にCIDEr-D scoreで既存手法を大幅に上回った。