クロップした画像から位置を推定するため、もとの画像のサムネイルの特徴抽出で補完を行うネットワーク構造を提案した。また、クロップされていない700,000枚の高解像度の写真をFlickrから収集し、自らスマートフォンで撮影した写真と合わせて評価を行った。

ResNet-34で補完してResNet-18で推定するモデルを学習させて、Flickrの写真では86%の正解率。さらに、写真やモデルを変化させた場合の比較結果や、色収差や周辺光量の変化がモデルの検出性能に影響を及ぼす実験結果を通して、クロップした画像には、撮影したカメラのレンズに起因する位置の情報が含まれることを確認した。

検出性能を前面に出さない切り口で、詳細な分析結果を示したため通ったと考えられる。PyTorch実装( https://github.com/basilevh/dissecting-image-crops )が公開されている。