アンカーフリーの物体検出のFCOSをベースにDeformable Convolutionを追加し、特徴マップが埋め込み表現も兼ねるネットワーク構造で、埋め込み表現の損失関数に温度付きSoftmaxとTriplet Lossを組み合わせたAlignPSを提案した。

ImageNet Pre-trainedのResNet-50をバックボーンとして使用し、CUHK-SYSU及びPRWのデータセットで評価を行い、One-Step(End-to-End)の従来手法を上回る結果。AlignPSのバックボーンにもDeformable Convolutionを取り入れたAlignPS+は精度が少し向上し、Two-Stepの従来手法に匹敵する結果。

アンカーフリーの利点が大きいかは疑問に感じるが、すっきりとしたネットワーク構造を提案し、明確な性能向上を示したため通ったと考えられる。MMDetectionをベースとした実装( https://github.com/daodaofr/AlignPS )が公開されている。