オブジェクトと背景に分けて考え、見えているオブジェクトの形状を推定してから、見えていない部分を補完するマスクを推定し、オブジェクトと背景それぞれの推定結果と組み合わせるOCONetを提案した。なお、GANのDiscriminatorにはInpaintingの従来手法と同様にPatchGANの手法を適用し、Spectral Normalizationを使用している。

Open Imagesデータセットを使用し、9種類のオブジェクトごとにFID及びL1の評価指標でBoundless及びSelf-Supervised Scene De-occlusionとの比較を行い、1種類を除き従来手法を上回る結果。

ICCV 2019採択のBoundless及びCVPR 2020採択のSelf-Supervised Scene De-occlusionから性能向上を示したことと、視覚的にアピールする外挿の結果で通ったと考えられる。