- ピクセルレベルのノイズラベル学習を、予測値を生成するためのライトフィールド内画像融合とライトフィールド間画像相関ストリームの共同最適化として定式化したこと。 - ピクセルレベルのノイズの多いラベルを修正するために、ライトフィールドキューの間の関係を利用したこと。

- 提案手法は多くの教師ありRGB顕著性検出手法と比較して、F値およびMAEの定量的指標において一貫して高いスコアを達成した。 - 本手法は前景と後景の類似性、乱雑な背景、小さな物体など、様々な困難なシーンを扱うことができる。さらに、ノイズを含むラベルが提供された場合でも、比較的完全な境界情報を用いて、顕著な物体を予測することができる

- 時系列的な画像の顕著性予測において、画素忘却を使って焦点スライスから有用な特徴を強調し不要な特徴を抑制しつつ、クロスシーンノイズペナルティロスを用いてラベルノイズに対して不変な学習を可能にした点。 - https://github.com/OLobbCode/NoiseLF