본 연구는 학습된 이미지 캡션 평가 지표의 현재 한계, 특히 캡션 내 오류에 대한 세분화된 평가 부족과 불확실성을 고려하지 않고 단일 지점 품질 추정에 의존하는 점을 탐구합니다. 이러한 한계를 해결하기 위해, CLIPScore 값의 분포를 생성하고 보정하는 단순하면서도 효과적인 전략을 제안합니다. 모델과 무관한 준거 위험 제어 프레임워크를 활용하여, 작업별 제어 변수에 대한 CLIPScore 값을 보정합니다. 실험 결과는 입력 마스킹과 같은 단순한 방법으로 생성된 점수 분포보다 준거 위험 제어를 사용하는 것이 더 복잡한 접근 방식과 비교하여 경쟁력 있는 성능을 달성함을 보여줍니다. 제안된 방법은 원하는 위험 수준과 일치하는 공식적인 보장을 제공하면서 잘못된 단어를 효과적으로 감지합니다. 또한 불확실성 추정과 예측 오류 간의 상관관계를 향상시켜 캡션 평가 지표의 전반적인 신뢰성을 높입니다.
