自己教師あり対照学習で主要な役割を果たすクロップのaugmentationの、残りの領域を用いるRegionCLを提案。他の画像からクロップした画像を一部に貼り付けた際の出力を対照学習の損失計算に追加。元の画像の出力特徴量から貼り付け部分は離し、残りの部分は近づける。この機構はMoCo、SimSiam、DenseCLなど対照学習の機構に組込み可能で、分類、検出、セグメンテーションの精度向上を達成。