・チャネルのプルーニング（削除）と再生を繰り返している点 ・適切なチャネル選択をcolumn subset selection問題に落とし込んで解くという手法を導入した点 ・レイヤごとのチャネル数の再配分を行うようにした点。ここでレイヤごとのチャネル数の再配分はbatch normalizationの学習可能なscaling factorを参照しながら行われるようになっている。

Imagenetのクラス分類、COCOデータセットの検出タスク、pointnetの三次元形状クラス分類の各タスクにおいて従来のプルーニング手法よりも高効率なプルーニングを達成した。

プルーニングはモデルサイズを単調減少させていいのか？という問題提起が肝となっているように見える。 レイヤの選択を数学的な最適化問題に落とし込んでいる（数式はしっかり読めていないが）のもポイントか。