提案法の推論構造は画像のとおり．まず，人種画像ペアにおける類似度距離を推定する(左)．次に，距離計算で得られた分布から本人ペアと他人ペアのベイズ分布を推定する(中央)．最後に、この分布を元に精度を推定する(右)．このように推定することでIDラベルがない場合においても精度予測を可能にした．

精度予測するモデルとロスを変化させた場合に，顔評価データであるRFWとMORPHで評価した．IDラベルが与えられている場合と，提案法で予測した精度を比較したところ，RFWではIDありに近い精度を予測できていることを確認した．MORPHでは誤差が少し大きくなったものの，人種間の精度差の分布傾向はIDありに近いことから傾向分析に使用できることを示した．

ディープラーニングの学習と評価においてラベル付けは必須項目であるが，作成には膨大な人為労力が必要となる．提案法では，距離スコア分布を元に本人他人ペアを近似することで，大まかな精度や人種バイアス傾向を確認することを可能にした初の手法であるため．