GAPは最も低い周波数コンポーネントの2次元DCTであることを証明し、チャネルをn個に分割して異なる周波数コンポーネントで2次元DCTを行うFcaNetを提案した。周波数コンポーネントの選び方は、低周波のみ選定するFcaNet-LF、評価結果から選定するFcaNet-TS及びNASで探索するFcaNet-NASの3種類を提案している。

ImageNetデータセットで画像分類の評価を行い、計算量を増やすことなく精度では従来手法を上回る結果。COCOデータセットによる物体検出及びインスタンスセグメンテーションのバックボーンの評価でも同様の結果。

GAPを一般化したアーキテクチャを示し、幅広い実験で効果を示したため通ったと考えられる。PyTorch実装( https://github.com/cfzd/FcaNet )が公開されている。