본 논문은 점점 정교해지는 AI 기반 영상 생성 모델의 등장으로 인해 어려워진 AI 생성 영상 평가 문제를 해결하기 위해, 미세 단위 추론을 통합한 새로운 평가 프레임워크 FingER를 제안합니다. FingER는 먼저 자동으로 미세 단위 엔티티 질문을 생성하고, 추론 모델을 이용하여 질문에 대한 답변 및 점수를 산출하며, 이를 가중합하여 종합 점수를 도출합니다. LLM을 활용하여 다섯 가지 관점에서 엔티티 수준의 질문을 생성하고, 약 3,300개의 영상과 6만 개의 미세 단위 QA 주석 데이터셋을 구축했습니다. 다양한 학습 방법을 실험하여 GRPO(Group Relative Policy Optimization)와 콜드 스타트 전략을 사용한 모델이 최고 성능을 달성함을 보였으며, 기존 방법보다 GenAI-Bench에서 11.8%, MonetBench에서 5.5% 향상된 성능을 기록했습니다. 이는 기존 방법 대비 최대 1/10 수준의 학습 데이터만을 사용한 결과입니다. 코드와 데이터셋은 곧 공개될 예정입니다.
