従来は推論時に多くのmaskを提案し、NMSなどの事後処理を経て最終的なmaskを得ていた。本研究では組み合わせ問題を用いてlossを計算することでinstanceごとにmaskが生成されるようにモデルを訓練し、推論時には事後処理なしでmaskを出力できるようにしたのが新規性。これにより従来のSoTA同等の精度を維持しつつ、40FPSを超えるリアルタイムなインスタンスセグメンテーションを実現した。

COCO datasetを用いて訓練を行い、従来手法と同等以上の精度を出しつつ、40FPSを超える推論速度を達成している。

しっかり動くコードを公開している（自分もコードを動かしてみたが、精度の良いセグメンテーション結果が得られた）。すでにgithubに多くの星がついており、注目されていることがわかる。また、多くのablation studyを行い、提案手法の有効性、モデルやlossの構成などを議論している。