CLIPScore
CLIPScore는 CLIP의 이미지와 텍스트 임베딩 간 유사도를 기반으로 이미지·캡션 정합성을 수치화하는 평가 지표이다. 입력 이미지를 이미지 인코더에, 생성된 캡션을 텍스트 인코더에 통과시켜 각각 임베딩을 얻고 이들 임베딩의 코사인 유사도를 계산한다. 이미지-텍스트 의미적 정합성을 빠르게 비교할 때 널리 사용되며, 픽셀·어휘 대비 의미적 일치 여부를 평가하는 데 장점이 있다.