バウンディングボックスの候補を縦横で分解し、組み換えて再構成するD&Rモジュールと、ピクセル単位で物体の存在の有無を識別するSemantic Consistencyモジュールを組み込んだDDBNetを提案した。

COCOデータセットで、ImageNet Pre-trainedでレイヤー数101のResNet及びResNeXtをバックボーンに使用し、FCOSで提案された手法も取り入れた場合は、FCOSを含む既存手法よりも高い精度。

課題設定が明確で、ベースラインからの性能向上をAblation Studyで確認でき、かつアンカーフリーの物体検出に汎用なモジュールとして提案しているため通ったと考えられる。