TaintedPixels는 딥페이크가 만들어지기 전에 원본 영상을 사전 처리해, 조작 도구가 건드리면 위조 흔적이 뚜렷하게 드러나도록 만드는 사전 방어형 워터마킹 기법이다. 얼굴 영역의 블루 채널에 구조화된 주기적 섭동을 삽입하되 원본 영상에서는 눈에 띄지 않게, 조작이 가해지면 뚜렷해지도록 하는 비대칭 가시성 트레이드오프를 설계했으며 스트라이프 가시성·색 편이·영상 수준 LPIPS 제약과 모션 적응형 배포로 구현했다. 3개의 공개 영상 조작 도구와 2개의 탐지기 대상 실험에서 왜곡을 최소(LPIPS=0.0042)로 유지하면서도 가장 높은 위조 탐지율을 달성했다. 300개 영상 자극의 비전문가 대상 실험에서는 보호된 원본의 의심률이 3.26%에 불과했던 반면, 보호된 원본에서 만들어진 위조 영상은 90.72% 확률로 가짜로 식별돼 비보호 원본 위조 영상(56.71%)보다 훨씬 잘 걸러졌다.
- •원본 영상에서는 안 보이지만 조작 시 드러나는 비대칭 가시성 워터마크를 얼굴 영역 블루 채널에 삽입
- •이미지 단위가 아닌 블랙박스 영상 조작 도구를 표적으로 한 최초의 사전 방어 기법
- •3개 조작 도구·2개 탐지기 대상 실험에서 최소 왜곡(LPIPS=0.0042)으로 최고 위조 탐지율 달성
- •300개 영상 인간 평가에서 보호 원본의 위조본은 90.72% 확률로 가짜 식별(비보호 원본 56.71%), 원본 자체 의심률은 3.26%에 그침
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Can Tainted Pixels Expose Deepfake Videos?
- 1.조작 전엔 안 보이다 조작 후 드러나는 사전방어형 워터마크 'TaintedPixels' 제안
- 2.얼굴 영상 청색 채널에 구조적 주기 섭동을 삽입, 시인성·색편차·LPIPS 예산 하에 최적화
- 3.블랙박스 조작 툴 3종·탐지기 2종에서 가장 높은 위조 검출률 달성(LPIPS 0.0042로 원본은 자연스러움 유지)
- 4.300개 영상 인간평가에서 원본 의심률 3.26%, 보호된 영상의 딥페이크는 90.72% 확률로 식별(비보호 56.71%)
왜 중요한가?
기존 딥페이크 방어는 사후 탐지에 그쳤는데, 조작이 일어나야만 드러나는 비대칭 워터마크로 유포 전 영상을 사전에 보호하면서도 시청 경험은 해치지 않는 실용적 대안을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2608.27492v1 Announce Type: new Abstract: Publicly-acceesible face-manipulation tools have made deepfake creation accessible to non-expert users. Against these, existing defenses are mostly post-hoc, detecting only after forgery has occurred, and operating on still images rather than videos. Research is lacking in i) the proactive protection of published facial videos against black-box manipulation tools, and in (ii) understanding its perceptual effect on human viewers. We introduce Taint
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
