Swin 어텐션 기반 딥페이크 실시간 탐지
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 모델링하며, 효율적인 특징 융합 메커니즘으로 두 표현을 결합합니다. 제안된 프레임워크는 FaceForensics++, CelebV1, CelebV2 세 가지 벤치마크 데이터셋에서 평가되었습니다. 실험 결과, 각각 96.5%, 95.3%, 94.8%의 높은 탐지 정확도를 달성하며 실시간 애플리케이션에 적합한 낮은 추론 지연 시간을 유지했습니다. 교차 데이터셋 평가를 통해 제안 방법의 견고성과 일반화 능력 또한 확인되었습니다. 이 연구는 정확하고 효율적인 딥페이크 탐지를 가능하게 하여 디지털 콘텐츠에 대한 신뢰를 강화하고 오용 위험을 완화하는 데 기여할 것입니다.