従来はアテンション機構などにより識別的な領域に着目する傾向にあったが、本論文では学習時の特徴空間をより難しくするように設計。具体的には添付図のようにクラス内分散を広く、クラス間の距離を近くして学習することにより、推論時に汎化性能が高くなるようなモデルになる。さらに、この文脈においてProxy/Pairベースの損失関数を設計した。

詳細画像認識問題ではスタンダードであるCUB-200-2011, Cars196, Market-1501, MSMT17データセットにおいて評価。従来法であるアテンション機構を導入した手法などとの比較により、有効性を示した。

詳細画像認識において、従来メジャーであったアテンション機構ではない手法を提案。新しいベースラインを提供した。