検出器で抜き出したアナログ時計を、読み取り可能な「正面からの画像」に射影する処理にSpatial Transformer Networkを適用した。また、、アナログ時計の合成データセットを生成するSynClockと擬似ラベルを付与したTimeLapseデータセットを構築し、評価用にCOCOとOpenImagesと映画「The Clock」からアノテーションを行った3種類のデータセットも構築した。

合成データセットと擬似ラベルのデータセットで学習を行い、3種類のラベル付きデータセットで定量的及び定性的な評価を行い、時刻の正解率では80%前後の結果。アナログ時計の検出器は、COCOデータセットで学習済みのCBNetV2を使用している。

ユニークな課題設定で、アノテーションした教師データを使わない学習の枠組みを示したことで通ったと考えられる。プロジェクトページ( https://www.robots.ox.ac.uk/~vgg/research/time/ )が公開されている。