・データセットバイアスを単純な形で定式化した．CIFAR-10のクラス分類において白黒画像/カラー画像の割合を半分のクラスでは95:5に，残りのクラスでは5:95により分けることにより，特定のクラスにおいて分類タスクとは無関係なバイアスが存在している状況を設定した． ・バイアスを除去する新たな手法を提案した．クラス分類モデルをバイアスごとに分割することによりバイアスを無視するという方法を提案した．

上記設定において，一般的に無視すべき属性ラベルの影響を排除するために用いられる敵対的学習の手法よりも著者らが提案するデカップリングを行う手法の方が有効にバイアスを除去できることを示した．また，カラー画像・白黒画像というバイアスだけでなく顔画像における男性・女性というバイアスでも検証を行い，同様の傾向を確認した．

手法的新規性よりも，公平性を比較できるベンチマークを作成したことに意義があると考えられる．公平性というこれから重要になっていくであろうトピックに対して一般的なベンチマーク手法を提案した本論文は無視できない影響がある．