人の識別をしていない文章の中の「SOMEONE」タグを識別する(「PERSON1」などのタグにつけかえる)ために、Transformer を用いた手法を設計した。その際、ジェンダーに関する情報を利用した。 また、上記手法を従来の video description のモデルで生成された文章に適用することを提案した。

Fill-in the Identity のベンチマークにおいて、提案手法が SOTA を達成した。 さらに、従来のモデルによって生成された文章に対しても提案手法がうまく働くことを示した。