본 논문은 기존의 공동 출현 기반 편향 증폭 측정 지표들이 이미지 캡셔닝과 같은 복잡한 문제에 효과적이지 않다는 점을 지적하며, 이를 해결하기 위해 새로운 지표인 DPAC(Directional Predictability Amplification in Captioning)을 제안합니다. DPAC는 기존 지표인 LIC(Leakage in Captioning)의 한계점인 편향 증폭 방향 식별의 어려움, 취약한 어휘 치환 전략으로 인한 데이터셋 편향의 부정확한 추정, 공격자 모델에 대한 높은 민감도를 개선하여, 캡션에서의 방향성 있는 편향 증폭을 측정하고, 향상된 어휘 치환 전략을 통해 데이터셋 편향을 더 정확하게 추정하며, 공격자 모델에 대한 민감도를 낮추는 것을 목표로 합니다. COCO 캡셔닝 데이터셋 실험을 통해 DPAC가 캡션에서 편향 증폭을 측정하는 가장 신뢰할 수 있는 지표임을 보여줍니다.
