본 논문은 복잡한 레이아웃을 가진 장문 텍스트 이해 능력 평가의 중요성을 강조하며, 특히 다국어 번역을 포함한 메뉴 이해에 초점을 맞춘 새로운 평가 프레임워크인 MOTBench를 제안합니다. MOTBench는 다양한 글꼴, 문화적 요소, 복잡한 레이아웃을 가진 중국어와 영어 메뉴 데이터셋을 기반으로, 메뉴 내 각 음식의 이름, 가격, 단위 등을 정확하게 인식하고 번역하는 LVLMs의 능력을 종합적으로 평가합니다. 실험 결과, 자동 평가 결과가 전문가의 수동 평가와 높은 일치율을 보이며, 다양한 최첨단 LVLMs의 성능 분석을 통해 향후 LVLMs 개발 방향에 대한 통찰력을 제공합니다. MOTBench는 깃허브를 통해 공개됩니다.
