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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김우주
- 발행연도
- 2021
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수59
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
현재 딥러닝 기술은 여러 분야에서 성공적으로 적용되어 이용되고 있다. 특히 컴퓨터 비전 분야에 있어 딥러닝 기술의 발전을 통해 많은 진보를 이루어 냈다. 하지만 기술이 발전됨에 따라 개인 프라이버시, 국가 안보 등에 위협을 주는 기술의 악용된 사례들도 비례하여 나타나고있다. 이러한 기술들 중 하나가 바로 딥페이크 기술이다. 딥페이크 기술은 산업적으로 활용 가치가 높기 때문에 영화, 뮤직비디오 등 다양한 분야에서 활용되기도 하지만[38], 동영상 조작을 통해 진실을 왜곡하여 악용되고 있는 문제점이 제시되었다. 딥페이크의 악용에 대한 우려가 커짐에 따라 동영상의 조작 여부를 판단하는 연구가 활발히 진행되고 있다.
본 논문에서는 합성곱 신경망(Convolutional neural network ,CNNs) 와 순환 신경망(Recurrent neural networks , RNNs) 를 사용하여 프레임 속 시각적 정보와 프레임 간 시간적 정보를 추출하여 딥페이크 조작 여부를 정확하게 감지하고자 한다. 기존 연구들에서는 합성곱 신경망를 이용하여 시각적 정보만 이용하여 프레임 간 시간적 정보를 포함하지 못한다는 한계가 있다. 뿐만 아니라 최근 연구들은 프레임 속 얼굴 정보에 한정되어 딥페이크 영상을 탐지해 조작 여부를 조작이 발생한 부분에 한정되어 탐지한다는 한계가 존재한다.
본 연구에서는 동영상 내 전역 정보(Global Information)과 지역 정보(Local Information), 두 가지 정보에서 특징을 추출함으로써 보다 효과적인 딥페이크 영상을 탐지하고자 한다. 특히 지역 정보는 조작이 일어나는 영상 속 얼굴 정보를 의미하고, 글로벌 정보는 영상 전체의 조화를 판단할 수 있는 프레임 전체 정보를 의미한다. 따라서 이 두 가지 정보를 융합하여 두 정보의 상보성을 보완한 딥페이크 영상 탐지 방법을 제안한다. 본 논문은 FaceForencies++ 데이터 셋을 사용하여 평가하고 다른 모델에 비해 경쟁력 있는 결과를 제공한다.
본 논문에서는 합성곱 신경망(Convolutional neural network ,CNNs) 와 순환 신경망(Recurrent neural networks , RNNs) 를 사용하여 프레임 속 시각적 정보와 프레임 간 시간적 정보를 추출하여 딥페이크 조작 여부를 정확하게 감지하고자 한다. 기존 연구들에서는 합성곱 신경망를 이용하여 시각적 정보만 이용하여 프레임 간 시간적 정보를 포함하지 못한다는 한계가 있다. 뿐만 아니라 최근 연구들은 프레임 속 얼굴 정보에 한정되어 딥페이크 영상을 탐지해 조작 여부를 조작이 발생한 부분에 한정되어 탐지한다는 한계가 존재한다.
본 연구에서는 동영상 내 전역 정보(Global Information)과 지역 정보(Local Information), 두 가지 정보에서 특징을 추출함으로써 보다 효과적인 딥페이크 영상을 탐지하고자 한다. 특히 지역 정보는 조작이 일어나는 영상 속 얼굴 정보를 의미하고, 글로벌 정보는 영상 전체의 조화를 판단할 수 있는 프레임 전체 정보를 의미한다. 따라서 이 두 가지 정보를 융합하여 두 정보의 상보성을 보완한 딥페이크 영상 탐지 방법을 제안한다. 본 논문은 FaceForencies++ 데이터 셋을 사용하여 평가하고 다른 모델에 비해 경쟁력 있는 결과를 제공한다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0