이미지 동시주의 탐지 문제에서 핵심적인 과제 중 하나는, 각 이미지 내부뿐만 아니라 관련된 모든 이미지 간에 동시에 나타나는 동시주의 부분의 패턴을 어떻게 모델링할 것인가이다. 본 논문에서는 이러한 패턴을 포착하기 위해 조건부에서 세부로 나아가는 전략을 활용한 계층적인 이미지 동시주의 탐지 프레임워크를 제안한다. 먼저, 초기 동시주의 탐지 결과를 생성하기 위해 마스크 유도형 완전 컨볼루션 네트워크 구조를 제안한다. 이 마스크는 배경 제거를 위해 사용되며, 사전 훈련된 VGG-net의 고수준 특징 응답 맵에서 학습된다. 다음으로, 탐지 결과를 더욱 정교하게 개선하기 위해 다중 해상도 레이블 스무딩 모델을 제안한다. 제안된 모델은 픽셀과 슈퍼픽셀의 레이블 스무딩을 동시에 최적화한다. iCoseg, MSRC, Cosal2015를 포함한 세 가지 대표적인 이미지 동시주의 탐지 벤치마크 데이터셋에서의 실험 결과를 통해 기존 최첨단 방법들과 비교하여 뛰어난 성능을 입증하였다.