5편의 한국어 분석 — 최신순으로 정렬했어요
최근 딥페이크 생성 기술의 급속한 발전은 기존 탐지 방법론의 한계를 드러내고 있습니다. 특히 다양한 데이터셋에서 높은 탐지 정확도와 실시간 효율성을 동시에 달성하기 어렵다는 문제가 제기됩니다. 본 연구는 이러한 간극을 해소하고자, 지역 및 전역 얼굴 특징을 동시에 활용하는 하이브리드 딥러닝 프레임워크인 Efficient-Swin Attention Network (ESANet)를 제안합니다. ESANet은 경량의 EfficientNet-B0를 통해 지역 특징을 추출하고, Swin Transformer로 계층적 전역 얼굴 관계를 모델…
딥페이크 생성 기술의 발전은 디지털 미디어의 신뢰성을 위협하며, 사생활 침해, 보안 문제, 허위 정보 유포 등 심각한 위험을 초래하고 있습니다. 딥러닝(DL) 기반 탐지 방법론이 유망하지만, 적용의 일관성 부족, 표준화된 파이프라인 부재, 그리고 데이터셋 간 일반화 능력의 한계로 인해 실제 환경에서의 신뢰성 있는 배포가 어렵습니다. 본 연구는 비디오 딥페이크 탐지를 위해 트랜스포머 및 CNN 기반 아키텍처를 종합적으로 평가합니다. 여러 벤치마크 데이터셋과 새롭게 구축된 얼굴 재연(facial-reenactment) 데이터셋을 활용…
딥페이크는 디지털 미디어의 신뢰성을 심각하게 위협하는 주요 문제로 부상하고 있습니다. 본 연구는 이러한 위협에 대응하기 위해 DeiT 기반 트랜스포머 모델인 DeiTFake와 점진적 증강 복잡도를 활용하는 2단계 훈련 전략을 제안합니다. 제안하는 방법론은 표준 증강을 적용한 전이 학습 단계로 시작하며, 이후 고급 아핀 및 색상 기반 증강을 사용한 미세 조정 단계를 거칩니다. DeiT 모델의 사전 학습된 가중치를 활용하여 조작 흔적 학습을 위한 강력한 초기화를 제공함으로써 탐지 모델의 견고성을 크게 향상시킵니다. OpenForen…
딥페이크 기술은 디지털 미디어의 진위성에 전례 없는 위협을 가하며, 신뢰할 수 있는 탐지 시스템의 필요성이 증대되고 있습니다. 본 체계적 문헌 연구는 2018년부터 2025년까지 발표된 딥러닝, 머신러닝, 고전적 이미지 처리 기반 딥페이크 탐지 방법론들을 분석하며, 특히 정확도, 연산 효율성, 교차 데이터셋 일반화 능력 간의 트레이드오프에 중점을 두었습니다. 세 가지 벤치마크 데이터셋(FaceForensics++, DFDC, Celeb-DF)을 활용한 엄격한 동료 심사 연구들을 분석하여, 기존 학계의 통념에 의문을 제기하는 중요한…
정교한 생성 기술로 오디오-시각 데이터 조작이 증가함에 따라 딥페이크 탐지는 중요한 과제가 되었습니다. 기존 방법은 주로 오디오-시각 특징을 이용한 립싱크 동기화에 초점을 맞추며, 컨볼루션 신경망(CNN)을 통한 지역 특징 추출에 의존합니다. 본 연구는 지역 및 전역 특징 통합을 통해 딥페이크 탐지를 강화하는 멀티모달 프레임워크를 제안합니다. 기존 파이프라인에 눈 움직임, 얼굴 영역 등 추가 시각 특징과 오디오 특징을 결합하여 교차 모달 의존성을 모델링합니다. CNN은 지역 특징을, 비전 트랜스포머(ViT)는 시각 및 오디오 양식…
