まず，距離ベースのロスを微分することでマージン(クラス内分散とクラス間分散を制御するパラメータ)が勾配のスケールを制御することを示した．次に画質とNNの特徴量のノルムが相関があることを示した．ノルムに応じてマージンを変更することで，認証が難しいが不可能ではないケースでは勾配のスケールを大きく，認証が簡単もしくは認証ができないケースでは勾配のスケールを小さくして学習量を調節可能にした．

画質が良いデータ(LFW，CFP-FPなと)，画質混在データ(IJB-B，IJB-C)，画質が悪いデータ(IJBC-S，TinyFace)で顔認証精度を比較．画質混在データと画質が悪いデータではSOTAを達成した．また，画質が良いデータでも高い精度を示した．

画質は様々な要因で定義されるため数値的に扱いずらいが，これを特徴量のノルムで表現できることを示したため．また，画質を考慮したロスがCosFaceとArcFaceを選択的に使用するシンプルなものであり，SOTAも達成しているため．