객체 슬롯 없이 분산 표현을 사용하는 모델도 다음 상태 예측과 같은 보조 목표를 통해 객체의 구성적 표현을 학습할 수 있으며, 이러한 표현은 객체 식별에는 유용하지만 객체 속성 간에는 부분적으로 얽혀 있어 더 풍부한 일반화를 가능하게 한다.
복잡한 반복 기반 방법 없이도 단순한 구조로 효과적인 객체 중심 표현을 학습할 수 있다.
본 연구는 객체 중심 학습에 합성성을 직접 주입하여 객체 수준의 표현 학습을 향상시킨다.