video object segmentation (VOS)に対し、一定サイズのメモリバンクを構築するRecurrent Dynamic Embedding (RDE)と、維持するための時空間集約モジュール（SAM）を提案。動画が長時間になった際のSAMの繰り返し使用による誤差の蓄積を避けるため、学習段階での不偏誘導損失を提案。