인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
딥페이크 기술의 급속한 확산은 정보 무결성에 심각한 위협을 초래하고 있다. 이에 대응하기 위해 기존 탐지 방법의 일반화 성능 부족과 클래스 불균형 문제를 해결하는 보조 손실 유도 특징 학습(Auxiliary-Loss Guided Feature Learning) 프레임워크를 제안한다. 본 방법론은 Swin Transformer 백본 아키텍처를 기반으로, 위조, 콘텐츠, 공통 특징을 각각 분리 학습하는 3개의 경량 보조 인코더를 활용한다. 핵심 혁신은 보조 특징을 직접 앙상블하는 대신 포괄적 손실 시스템을 통해 메인 네트워크의 학습을 유도함으로써, 추론 단계에서 계산 부하 증가 없이 특징 표현의 품질을 향상시킨다는 점이다. DFDC 데이터셋을 활용한 실험에서 99.7%의 정확도와 0.9999의 AUC 점수를 달성했으며, 특히 소수 클래스인 실제 샘플에 대해 99.4%의 재현율을 기록하여 클래스 불균형 환경에서의 효과성과 실용성을 입증했다.
#Swin-transformer
#Multiple encoders
#Adaptive loss weighting
#Memory efficiency
#Deepfake Detection
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 요약
- Ⅰ. 서론
- Ⅱ. 관련 연구
- Ⅲ. 보조 손실 유도 특징 학습 아키텍처
- Ⅳ. 보조 손실 기반 학습 최적화
- Ⅴ. 보조 손실 기반 특징 학습 최적화
- Ⅵ. 실험
- Ⅶ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
