Maximum mean discrepancy (MMD) を使用して, sensitive group の特徴の分布がお互いに近くなる制約項を蒸留の際に追加することで, teacher からバイアスの少ない特徴表現を student に転移する手法を提案. また, MDFの有効性について理論的に分析を行っている.

UTKFace と CelebA データセットで提案手法を評価し, 両方のデータセットにおいて, 精度と公平性 (DEO) の両方を向上させることに成功. また, 提案手法はその他の SoTA の手法と比較してデータセットの種類によらず頑健に精度と公平性を向上させることを確認.