본 논문은 Convolutional Neural Networks (CNNs)가 본질적으로 텍스처 편향적이라는 가설을 재검토한다. Geirhos et al.의 큐-갈등 실험의 한계를 분석하고, 강제 선택 갈등의 혼란을 피하기 위해 형상, 텍스처, 색상 큐를 체계적으로 억제하여 특징 의존성을 정량화하는 도메인 불가지론적 프레임워크를 제안한다. 통제된 억제 조건에서 인간과 신경망을 평가한 결과, CNN은 본질적으로 텍스처 편향적이지 않고 주로 국부 형상 특징에 의존함을 발견했다. 하지만 이러한 의존성은 최신 훈련 전략이나 아키텍처(ConvNeXt, ViTs)를 통해 크게 완화될 수 있다. 또한, 컴퓨터 비전, 의료 영상, 원격 감지 분야로 분석을 확장하여 특징 의존 패턴이 체계적으로 다르다는 것을 밝혀냈다. 컴퓨터 비전 모델은 형상을 우선시하고, 의료 영상 모델은 색상을 강조하며, 원격 감지 모델은 텍스처에 대한 강한 의존성을 보인다.
