サポート画像とクエリ画像から特徴抽出を行い、N種類の解像度をベースとしたKeyとValueのセットを1個と(N-1)個に分けて、(N-1)個の側をメモリーとみなして合計N回のメモリー読み込みを行った結果をデコーダに渡すCMNを提案した。

PASCAL VOC及びCOCOの各々を4分割したデータセットで1-shot及び5-shotの評価を行い、従来手法と同等以上の結果。

Few-Shotで有効な新しいネットワーク構造を提案し、多数ある従来手法に対しても性能向上の効果を示したため通ったと考えられる。