본 논문은 지시어 기반 이미지 편집 모델의 결과 평가에 있어 기존 지표들의 한계(인간 판단과의 부합성 및 설명력 부족)를 극복하기 위해, DICE(DIfference Coherence Estimator)라는 새로운 모델을 제안합니다. DICE는 자동회귀 다중모드 대규모 언어 모델(MLLM) 기반의 차이 검출기와 일관성 추정기 두 가지 구성 요소로 이루어져 있으며, 자기지도 학습, inpainting 네트워크로부터의 지식 증류, 완전 지도 학습 전략을 활용하여 학습됩니다. 다양한 MLLM을 사용한 실험을 통해 DICE가 인간의 판단과 높은 상관관계를 보이며 일관된 편집을 효과적으로 식별하고, 다양한 편집 모델이 생성한 이미지를 효과적으로 평가함을 보여줍니다. 소스 코드, 모델, 데이터를 공개합니다.
