확인한 것만 기록한다.
2026-11-23 · 00:20 KST / 15:20 UTC한국어 | EN검색 /

속보01 / AI

이미지 생성 AI 평가 순위 뒤집은 검증 방식

전체 점수가 비슷해도 개별 이미지 판정은 엇갈렸고, 모델 순위도 사람 평가와 달랐다.

이미지 평가실에서 뒷모습만 보이는 평가자가 같은 생성 이미지 모음에서 서로 다른 이미지 쌍이 선택된 두 모니터를 비교한다. AI 생성 이미지

연구진은 이미지 6,240장 분석에서 검증 방식에 따라 생성 AI의 자동 평가가 왜곡됐다고 발표했다.

논문 초록에 따르면 검증기는 생성 이미지에 점수를 매기는 평가 도구이다. 분석 대상은 Qwen-Image-2512와 FLUX.2-dev의 생성 이미지이다. 균형을 맞춘 평가용 이미지 2,280장으로 검증기와 사용 방식을 비교했다.

논문에는 전체 점수가 비슷해도 개별 이미지의 판정은 엇갈린 결과가 적혀 있다. 모든 검증기·사용 방식 조합은 사람 평가에서 나타난 두 생성기의 점수 차이를 줄였다.

연구진은 자동 평가 점수가 생성기만의 성능을 나타내는 것은 아니라고 주장했다. 어떤 문장을 입력하고 어떤 검증기와 채점 규칙을 쓰는지도 점수의 구성 요소라는 설명이다.

논문은 Z-Image를 추가한 고정 입력문 비교에서도 사람과 자동 평가의 순위가 달랐다고 밝혔다. 시험한 모든 사용 방식에서 Z-Image와 FLUX.2-dev의 순서가 사람 평가와 반대였다.

연구진은 Z-Image 비교의 모델별 점수를 초록에 공개하지 않았다.