멀티미디어 이벤트 추출 (Multimedia event extraction)은 더욱 포괄적인 이벤트 이해를 지원하기 위해 텍스트 및 이미지와 같은 여러 양상 (modalities)에 걸쳐 이벤트와 그 논거 (arguments)를 공동으로 식별하는 것을 목표로 합니다. 최근 연구들이 꾸준하고 상당한 진전을 보고하고 있지만, 이러한 결과의 신뢰성과 비교 가능성은 일관되고 엄격한 평가에 결정적으로 의존합니다. 본 연구에서는 멀티미디어 이벤트 추출에서의 평가 함정 (evaluation pitfalls)에 대한 최초의 체계적인 분석을 제시하며, 세 가지 주요 문제 원인을 식별합니다: 일관되지 않은 데이터 처리 (inconsistent data processing), 일관되지 않은 작업 가정 (inconsistent task assumptions), 그리고 지나치게 완화된 평가 설정 (overly relaxed evaluation settings)입니다. 우리는 엄격한 평가 프레임워크 하에서 일련의 통제된 실험을 통해, 사소한 평가 선택이 큰 성능 변화를 일으킬 수 있으며, 여러 양상에 걸쳐 실제 세계의 이벤트를 접지 (grounding)하는 모델의 능력을 과대평가하게 만들 수 있음을 입증합니다. 우리의 연구 결과는 비교 가능한 평가 표준의 필요성을 강조하며, 멀티미디어 이벤트 추출 분야에서 더욱 엄격한 평가로의 전환을 독려합니다.