研究发现，合成克隆模型在稳健性方面表现良好，尤其在形状偏差方面。混合真实数据和合成数据可以改善模型的稳健性。研究还分析了合成克隆模型在校准、对抗性攻击和图像损坏方面的表现。消融实验揭示了提示、添加真实数据和数据集大小对合成克隆模型稳健性的影响。

该论文研究了图像卷积神经网络的不足，发现其与纹理偏差有关，而缺乏形状偏差则导致了域通用性的不良表现。通过使用轮廓图的震荡图表示图像的轮廓内容，来显式和完整地表示图像形状，进而使用最近的图神经网络方法进行分类。实验结果表明，基于形状的方法在域泛化方面超过了基于经典的图像 CNN 方法，即使不使用外观。