초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 다양한 딥페이크 생성 알고리즘을 이용한 디지털 범죄가 증가함에 따라, 딥페이크 탐지 알고리즘의 개발 또한 필수적이게 되었다. 기존의 딥페이크 탐지 알고리즘에 관한 선행연구는 크게 2가지로 나뉘게 되는데 CNN기반의 알고리즘과 VIT기반의 알고리즘이다. CNN기반의 모델의 경우 Local Feature들에 초점을 맞춘 모델 이기 때문에 전체를 조감하는 global한 특징들에 조금 취약하다는 단점이 있다. VIT기반의 모델의 경우 하나의 이미지에 대해서 통째로 self-attention을 진행하기 때문에 지역정보(Local Feature)보다는 전역정보에 더 치우져저 있다. 이러한 경우는 귀납적 편향이 높지 않아 데이터의 양이 적은 경우에는 성능이 낮은 문제가 있다. 앞선 2가지의 선행연구는 모두 Local Feature와 Global Feature간의 ...

최근 다양한 딥페이크 생성 알고리즘을 이용한 디지털 범죄가 증가함에 따라, 딥페이크 탐지 알고리즘의 개발 또한 필수적이게 되었다. 기존의 딥페이크 탐지 알고리즘에 관한 선행연구는 크게 2가지로 나뉘게 되는데 CNN기반의 알고리즘과 VIT기반의 알고리즘이다. CNN기반의 모델의 경우 Local Feature들에 초점을 맞춘 모델 이기 때문에 전체를 조감하는 global한 특징들에 조금 취약하다는 단점이 있다. VIT기반의 모델의 경우 하나의 이미지에 대해서 통째로 self-attention을 진행하기 때문에 지역정보(Local Feature)보다는 전역정보에 더 치우져저 있다. 이러한 경우는 귀납적 편향이 높지 않아 데이터의 양이 적은 경우에는 성능이 낮은 문제가 있다. 앞선 2가지의 선행연구는 모두 Local Feature와 Global Feature간의 Trade-off 를 적절히 조절하지 못하였기 때문에 생긴다고 생각하였다. 이에 따라 영상의 이미지에서 전역정보와 지역정보를 모두 활용할 수 있는 비전 트랜스포머 기반에 Squeeze and Excitation Block을 이용한 딥페이크 탐지 알고리즘을 개발하게 되었다. 또한 Masked Auto Encoder 기법으로 사전 학습된 방법을 이용해 탐지 알고리즘의 정확도를 향상시켰다. 아울러, 기존의 서양인 얼굴 벤치 마크 모델이 연구의 대부분인 점에 비해, 본 연구에선 한국인 얼굴데이터를 활용하여, 동양과 서양 모두에 대해 변조영상을 탐지할 수 있도록 하였다.

주제어