본 논문은 머신러닝 모델에서의 질감(texture) 영향, 특히 질감 편향/학습, 해석 가능성, 강건성에 대한 연구를 다룬다. 기존 연구는 대규모 다양한 질감 데이터 부족으로 제한적이었으나, 본 논문은 고품질 다양한 질감 이미지를 생성하는 확장 가능한 방법론과 새로운 데이터셋(Prompted Textures Dataset, PTD)을 제시한다. PTD는 텍스트-이미지 모델에 다양한 기술자(descriptor)를 입력으로 사용하고, Stable Diffusion 파이프라인을 수정하여 246,285개의 56가지 질감 이미지를 생성한다. 이 과정에서 이미지 생성 파이프라인의 NSFW 안전 필터가 질감에 매우 민감하게 반응하여 최대 60%의 이미지를 필터링하는 것을 발견, 모델의 잠재적 편향을 드러낸다. 표준 지표와 사람 평가를 통해 PTD의 고품질과 다양성을 검증하고, Zenodo에서 공개한다.
