У меня нет никакой убедительной гипотезы о механизме этого явления, но есть личное наблюдение о том что какая-то закономерность есть
С другой стороны, я предполагаю что приемка в высокой степени автоматизирована. Сложные сюжеты могут ошибочно распознаваться нейросеткой, по подобранным ею "похожим" это довольно хорошо видно. В том что человек хотя бы смотрит на изображения дольше секунды я не слишком уверен.