学習ベースのクエリを、インスタンスセグメンテーションに対応させたQueryInstを提案した。CVPR 2021採択のSparse R-CNNをベースとして、マスク出力の分岐と動的なパラメータの畳み込みを追加している。

COCO、CityScapes及びYouTube-VISのデータセットで評価を行い、ECCV 2020採択のCondInstを含む従来手法を上回る結果。ICCV 2021 Best PaperとなったSwin Transformerも、いち早くバックボーンとして使用し、ResNet-101やResNeXt-101から大きく精度が向上する結果。

複数のデータセットで幅広く検出性能の高さを示したため通ったと考えられる。MMDetectionとDetectron2をベースとした実装( https://github.com/hustvl/QueryInst )が公開されている。