画像の特徴抽出から、複数のスケールで4次元の相関計数データを求め、4次元の畳み込みを行って類似度を推定するCVNetを提案した。特徴抽出を行うCVNet-Globalと、相関の畳み込みを行うCVNet-Rerankから構成されている。

ImageNet Pre-trainedのResNet-50とResNet-101をバックボーンとして使用し、Google Landmarksデータセットv2で精度の評価を行い、従来手法を上回る結果。4次元の畳み込みで増大するメモリ使用量に関しては、8ビット量子化で同等の精度のまま抑制できることも示している。

相関に着目したアプローチで、高い検索性能を示したことで通ったと考えられる。PyTorch実装( https://github.com/sungonce/CVNet )が公開されている。