본 논문은 학습된 이진 어텐션 마스크를 사용하여 어텐션이 집중된 영역만 예측에 영향을 미치도록 하는 어텐션 기반 방법을 제시합니다. 맥락은 객체 인식에 큰 영향을 미치지만, 특히 객체가 분포 외 배경에 나타날 때 편향된 표현으로 이어질 수 있습니다. 본 논문에서는 이 문제를 해결하기 위해 두 단계 프레임워크를 제안합니다. 1단계는 전체 이미지를 처리하여 객체 부분을 발견하고 작업 관련 영역을 식별하고, 2단계는 입력 어텐션 마스킹을 활용하여 수용 영역을 이러한 영역으로 제한하여, 잠재적으로 잘못된 정보를 필터링하면서 집중적인 분석을 가능하게 합니다. 두 단계는 공동으로 학습되어 2단계가 1단계를 개선할 수 있도록 합니다. 다양한 벤치마크에 대한 광범위한 실험을 통해 제안된 방법이 잘못된 상관관계와 분포 외 배경에 대한 강건성을 크게 향상시킨다는 것을 보여줍니다.