В данной работе представлены методы, которые сертифицируют устойчивость моделей визуально-языковых к семантическим преобразованиям, используя текстовые запросы как прокси. Оно количественно определяет интервалы, в которых предсказания остаются неизменными, без необходимости дополнительных данных для каждой вариации. Эксперименты на синтетических и реальных данных демонстрируют его эффективность при различных семантических вариациях.