(1) 評価データのドメインに対する知識をア・プリオリに仮定せず、様々なドメインのデータに適用できるドメイン普遍な物体検知を深層学習で実現するという問題設定。 (2) ドメイン普遍な物体検知を評価するベンチマークUODBを提案。 (3) SE blockに基づくdomain attention moduleの提案。

UODBに含まれる11個のデータセットそれぞれに対して、PASCAL VOC mAPを計算、その平均average mAPをドメイン普遍性の指標とする。 各データセットに対して専門家モデルを学習した場合（amAP=59.4%）に対して、提案手法は1/5のパラメータ数でamAP=63.9%を達成。

Domain universalな物体検知という問題設定の新規性と、単一モデルで専門家モデルの性能を超えたという実験結果のため通ったと思われる。一方で、提案したベンチマークUODBでは学習と評価に同じドメインを使っており、実験がdomain universalityの検証にはなっていない。また、モデルごとのハイパーパラメータ調整はしないと宣言しているあたり、精度比較への信頼性もやや疑問符がつく。