任意の形のテキストを正しく認識するための end-to-end のネットワーク sequential deformation module を設計し、その効率的な学習のために文字数を教師とすることを提案した。

提案ネットワークを Mask R-CNN に組み込むことで、テキスト認識タスクにおいて SOTA を達成した。