本研究では，画像間の関係と人間の事前情報をモデル学習過程で十分に活用するために，2つの補完的な正則化からなる空間的・意味的一貫性（SSC）フレームワークを構築し，各属性の空間的・意味的一貫性を実現する． 具体的には、まず、空間的一貫性正則化を提案し、信頼性の高い安定した属性関連領域に焦点を当てます。

さらに、属性の正確な位置に基づいて、意味的な一貫性正則化を提案し、本質的で差別的な意味的特徴を抽出する。本研究では，PA100K，RAP，PETAなどの一般的なベンチマークを用いて広範な実験を行った． その結果，提案手法は，パラメータを増加させることなく，最新の手法に対して良好な性能を示すことがわかった．