最新の顔認識モデルは高い精度を誇るものの、特定のサブポピュレーションに不均衡な影響を与える体系的なバイアスが残る。この問題に対処するため、著者はラベルなしでサブポピュレーションを特定する「潜在特徴アライメント（LFA）」アルゴリズムを提案している。LFAは、共通の属性を持つ顔をより信頼性の高い方法でグループ化し、年齢や民族性、服装といった解釈可能な方向性を発見する手段を提供する。本研究では、4つの最新の認識モデルを用いて、LFAがk-meansや最近傍探索に比べて内的セマンティックコヒーレンスで一貫して優れた性能を発揮することが示された。この結果により、LFAは事前に定義された属性注釈なしでバイアスのあるサブポピュレーションを特定し解釈するための実用的な方法として位置付けられる。