まず既存のcorrespondence学習で得られた事前学習モデルをバックボーンにセグメンテーションを学習させるとMocoに大きく劣ることを示すことで、帯域的な学習ができてないことを実証。その上で提案するpixelwiseの対照学習では、cropのaugmentationをかけた２画像の対応画素で同じ特徴量が出てくるようにロス設計する。

従来のcontrastiveLossをこれに併用すると精度が悪化することを発見し、semantic&fine-grainedの２モデルをそれぞれのロスで学習させ、得られた特徴量をconcatして後段タスクに使う方法を提案し、labelPropagationタスクで精度向上を確認。