バックボーンのネットワーク構造を共有しつつ、パッチを入力とする3種類の補助タスクで事前学習してから、ラベル付きデータで学習させるSSPLを提案した。補助タスクは、パッチの位置を推定するPRTと、顔のセグメンテーションを行うPSTと、パッチに含まれる顔の部位を推定するPCTから構成される。

ImageNet Pre-trainedのResNet-50をバックボーンとして使用し、CelebAとLFWAのデータセットから使用するデータの比率を変えて正解率の評価を行い、NeurIPS 2020採択のFixMatchを含めた従来手法を上回る結果。

十分な数のラベル付きデータを準備することが難しいという実際的な課題に対し、わかりやすい手法で明確な精度向上を示したため通ったと考えられる。