近年では、物体検出のための自己教師あり手法は提案されているが、分類タスクに不向きなことが多い。そこで、元画像とパッチ画像を用いた対照学習により、{大域的, 局所的}な特徴を獲得することで検出と分類の両方の性能を維持する手法を考案した。

物体検出において、MoCoやSwAVなどの代表的な手法、検出に特化した手法InsDisと比較しても良好な性能を発揮している。また、Sparse R-CNNにおいては46.5 AP(SoTAよりも1.5AP)を達成した。 画像分類において、MoCov2、検出に特化したInsDisよりも高精度となった。