実世界の画像を自己教師ありで学習したカテゴリにとらわれないセグメンテーションは，コンピュータビジョンにおける挑戦的な未解決問題である．本論文は，「静止画像中のスペルケオブジェクトを分割するために、運動信号から学習するニューラルネットワーク」を考案し，世界で初めて教師なしでセグメンテーションを学習する手法を開発した．

実験から学習動画とテスト画像に含まれる物体や配置が異なる場合でもEISENがロバストであることを示す．また提案手法が，完全教師ありの状態において，従来のセグメンテーションモデルと同程度の性能を発揮することを示した．

【Limitation】 EISENは動くもの同士をグループ化する原理に基づいているため、めったに動かないもの（家や道路標識など）を含む、より高度な「物体らしさ」の概念を扱うことはできません