KeyとValueから構成されるメモリー構造で、画像に含まれる物体や背景のクラスごとに記憶域を管理してコンテンツとスタイルを引き出せるように学習させるMGUITを提案した。DUNITと異なり、推論のときには物体検出のモデルを必要としない。

INITデータセットを使用した定量的な比較では、Sunny⇔Night、Sunny⇔Rainy及びSunny⇔Cloudyのうち「Rainy→Sunny以外」の5通りの結果が掲載されていて、従来手法を上回る結果。実装がある従来手法との定性的な比較ではRainy→Sunnyを含めた結果を示し、実装が公開されていないDUNITは論文の掲載画像との比較を実施。

CVPR 2020採択のDUNITをベースラインとして優位性を示し、従来手法では難しかった変換を含む6通りの変換結果を示したことで通ったと考えられる。DUNITの論文では実施されているRainy→Sunnyの定量的な比較が掲載されていないことが気になった。