과학적 이미지(Scientific images)는 과학 논문에서 실험 결론을 제시하고, 시스템 아키텍처(system architecture)를 상세히 설명하며, 비교 논거를 뒷받침하는 핵심 요소입니다. 그러나 기존의 이미지 품질 평가 (IQA) 방법들은 주로 자연 사진이나 AI 생성 콘텐츠를 위해 설계되었기 때문에, 이를 과학 논문에 직접 적용할 수 없습니다. 학술적 차트(scholarly charts)에 관한 소수의 기존 연구들은 시각적 표면 비교에 국한되어 있어, 캡션(caption)과의 일치성, 인용 관련성(citation relevance), 또는 시각적 오도 가능성(visual misleadingness)을 검증하지 못하고 있습니다. 이를 해결하기 위해, 우리는 다섯 가지 차원(명확성, 레이아웃, 캡션 적합성, 문맥 관련성, 오도 위험)에 걸쳐 과학적 이미지를 평가하는 전체 텍스트 문맥 벤치마크인 SciFigQual-Bench를 제안합니다. 데이터는 2020년부터 2025년까지의 주요 컴퓨터 과학 컨퍼런스를 다룹니다. 6,308개의 이미지가 다섯 가지 차원에서 여러 도메인 전문가들에 의해 독립적으로 점수가 매겨졌으며, 골드 표준 주석(gold-standard annotations)으로 집계되었습니다. 이전의 과학적 도표 벤치마크와 달리, 우리의 데이터셋은 각 이미지를 캡션, 인용 문장, 그리고 논문 문맥(manuscript context)과 결합합니다. 이 벤치마크에서 자동화된 평가를 가능하게 하기 위해, 우리는 모달리티 증거(modal evidence)의 수집과 융합을 통해 감사 가능하고 정교한 점수 산출을 달성하는 단계별 교차 모달(cross-modal) 평가 프레임워크인 SFQ-Agent를 설계했습니다. 여러 주요 대규모 모델(large models)을 테스트 서브셋인 eval1200에서 평가하였으며, GPT-5.6-Sol을 탑재한 SFQ-Agent (F3)가 가장 낮은 전체 평균 절대 오차(0.418)와 가장 높은 일관성 비율(93.4%)을 기록하며, 직접 평가 및 보조(Sidecar) 시각 언어 모델(visual language model) 평가 방식 모두를 지속적으로 능가했습니다.