본 논문은 자율주행이나 의료 진단과 같은 안전 중요 분야에서 기계 학습 알고리즘의 중요성을 강조하며, 특히 모호한 데이터의 역할에 주목합니다. 인간과 기계 지각의 한계를 이해하는 데 도움이 되는 착시 현상을 연구 대상으로 삼아, 동물 쌍이 혼합된 새로운 착시 데이터셋을 제시합니다. 데이터셋은 시선 방향과 눈의 단서와 같은 일반화 가능한 시각적 개념이 모델 정확도에 미치는 영향을 보여주며, 인간과 기계 시각 간의 편향과 정렬 연구의 기반을 제공합니다. 편향 완화를 위해 다양한 개념을 사용하여 체계적으로 착시를 생성하였으며, Kaggle과 Github를 통해 데이터셋과 소스 코드를 공개합니다.