生成AIは目覚ましい発展を遂げていますが、その性能を包括的に評価することは依然として課題です。様々なモデルが登場し、その効果はますます驚異的になっています。しかし、これらのテキストから画像を生成するモデルの効果をどのように評価すれば良いのでしょうか？従来の評価方法は、人間の目による評価に頼るため主観性が強すぎるか、CLIPScoreのような単純な指標を使用しますが、これらの指標は、オブジェクト間の関係や論理的推論など、複雑なテキストプロンプトの細部を捉えきれないことが多々あります。そのため、多くのテキストから画像を生成するモデルの評価結果が不正確になったり、誤った評価がされる可能性があります。