A Study on Visual Pattern Analysis for Authenticity Verification of AI-Generated Images

기존 AI 이미지 탐지 방식은 기술적 정확성에 초점을 맞추고 있으나 인간의 시각적 위화감과 같은 인지적 요소는 충분히 반영하지 못한다. 본 연구는 이러한 문제를 해결하기 위해 인간의 인지를 반영한 시지각 기반의 평가를 토대로 진위 판별 방안을 제안하며 이는 기술적 탐지 방식과 병행되어야 함을 강조한다. 기존의 탐지기법은 주로 픽셀 기반 분석, 주파수 변환, 신경망 모델등을 활용한 기술적 접근에 집중되어 왔으며 이는 생성알고리즘의 특이점이나 통계적 신호를 학습하여 진위를 판단하는 방식이다. 그러나 이러한 방식은 훈련 데이터에 대한 의존도가 높고 새로운 생성 알고리즘이나 디퓨전 기반 모델이 등장할 경우 탐지 성능이 급격히 저하되는 한계를 갖는다. 이에 본 연구는 조명, 이미지 구성요소, 관점의 시지각적 완성도를 중심으로 AI 이미지에서 나타나는 오류를 분석하였다. 분석 결과 조명의 방향성과 색온도 불일치, 다중광원 간 상호작용이 물리적으로 정확하게 구현되지 않는 현상, 표면 질감의 불균형, 객체 간 부자연스러운 중첩 오류, 픽셀 밀도의 불규칙성이 나타났으며 관점 측면에서는 피사체 크기의 비례 왜곡, 원근감의 부자연스러움, 시선 유도선의 대칭성이 확인되었다. 이러한 분석을 바탕으로 본 연구는 인간이 직관적으로 인지할 수 있는 시각적 단서를 분석기준으로 설정하여 기술적 탐지 방식의 한계를 보완하는 진위 판별 체계를 제안한다. 나아가 향후 연구에서는 생성 모델의 다양성과 시각적 오류 양상을 종합적으로 고려한 정교한 탐색이 요구된다.