訓練時の複数の出力に対する振り分けとソートの誤差逆伝播法を定式化し、IoUなどの連続値ベースでソートを行うRS Lossを提案した。同じ著者のNeurIPS 2020採択の論文で提案された、K個の出力に対しK×K個の「差分を取る」手法を使用し、損失関数を改良することで実現している。

物体検出ではFaster R-CNN、Cascade R-CNN、ATSS及びPAAに、インスタンスセグメンテーションではMask R-CNN、YOLACT及びSOLOv2に適用して、いずれもCOCOデータセットやLVISデータセットで精度が向上する結果。さらに、FPNのアップサンプリングの処理にICCV 2019採択のCARAFEを適用すると、従来手法を上回る結果。

幅広い実験結果で効果を示したため通ったと考えられる。MMDetectionベースの実装( https://github.com/kemaloksuz/RankSortLoss )が公開されている。