Saliency用とCamouflage用のエンコーダーを用意し、Similarity measureモジュールによりそれぞれの特徴のlatent spaceでの類似度を計算し、エンコーダーを更新する。attention module、Adversarial learningを導入したPrediction decoder、Confidence estimationにより推定する。

Salient用にDUTSデータセットを拡張したデータで学習し、Camouflage用にCOD10Kデータセットで学習した。Salience用にDUTS, ECSSD, DUT, HKU-IS, THUR, SOC、 Camouflage用にCAMO, CHAMELEON, COD 10Kの各データセットでテストし、全て既存手法を上回る性能を示した。

従来は対象がSaliencyかCamouflageかで別れたタスク(データセット)とされていたが、統合したネットワークを提案することで両方の対象の可能性があるデータが入力されても精度よく識別できる有用性がある。