시각적 회귀 테스트 (Visual regression testing, VRT)는 현대 소프트웨어 출시 파이프라인에서 표준적인 품질 보증 단계입니다. 모든 변경 사항이 발생할 때마다, VRT는 사용자 인터페이스 (UI) 스크린샷을 다시 렌더링하고, 각 스크린샷을 승인된 기준 이미지 (baseline image)와 비교하며, 감지된 모든 차이점을 인간 검토자에게 전달하여 이것이 의도된 업데이트인지 아니면 의도하지 않은 회귀 (regression)인지 결정하게 합니다. 특히 오픈 소스 및 지속적 통합 (continuous-integration) 파이프라인에서 널리 사용되는 방식은 픽셀 수준 비교 (pixel-level comparison)인데, 이는 의미론적으로 무지하며 (semantically blind) 렌더링 노이즈와 실제 결함을 동일하게 취급합니다. 이로 인해 대량의 거짓 양성 (false positives)이 발생하여 개발자와 테스터가 매 출시 주기마다 표시된 차이점을 수동으로 검토하는 데 상당한 시간과 노력을 소비하게 만듭니다. 산업 도구들은 VRT에 머신러닝 (machine learning)을 적용하고 있지만, 공개적인 평가는 부족한 실정입니다. 더 결정적으로, UI 변경 사항에 대한 자연어 설명을 지원하는 데이터셋이나 벤치마크가 존재하지 않습니다. 이러한 능력은 테스터가 이진 플래그 (binary flag)나 강조된 영역을 해석하게 두는 대신, 무엇이 변경되었는지를 말로 설명해 줍니다. 이 격차를 해소하기 위해, 우리는 VRT와 이미지 차이 캡셔닝 (image difference captioning, IDC)의 교차점에 위치한 새로운 작업인 웹 UI 이미지 변경 캡셔닝 (Web UI Image Change Captioning, WUICC)을 제안하며, 이 작업을 위한 최초의 데이터셋이자 벤치마크인 WUICC-bench를 출시합니다. 우리는 11개의 대표적인 IDC 방법과 2개의 제로샷 (zero-shot) 범용 LLM을 함께 평가합니다. 연구 결과, (1) 이러한 방법들은 웹 UI 도메인의 레이아웃 다양성, 밀집된 텍스트, 그리고 미세한 변경 사항으로 인해 어려움을 겪는 경향이 있으며, (2) 그럼에도 불구하고 학습된 방법들은 픽셀 수준 비교 VRT가 의존하는 방식보다 무의미한 시각적 노이즈를 훨씬 더 선택적으로 억제하여, 향후 도메인 특화 연구를 위한 견고한 토대를 제공한다는 것을 발견했습니다.