スタイルとコンテンツをそれぞれ考慮して画像をMixする手法を提案. スタイルのMixにはAdaINを使用している. また, StyleMixの重みを自動で決定する方法を提案（スタイル間の距離を定義し, スタイルの差が大きい時は控えめにスタイルをMixするようにする）.

CIFAR-10/100では既存のMixupベースの手法と比較してSoTA, ImageNetでは同等の精度を達成. また, 提案手法で学習したモデルはAdversarial Attackに対する頑健性が既存の関連手法よりも高い. Grad-CAMの可視化では, CutMixで学習したモデルはコンテンツの局所的な部分を見がちな一方で, 提案手法を使用したモデルはコンテンツ全体を見ている.