Super-resolution Detection based on Deepfake Image Manipulation Techniques and Learnable Convolutional Kernels

본 논문에서는 GAN 기반 초고해상화(Super-Resolution) 알고리즘과 상용 툴(TOPAZ Labs)을 활용하여 제작된 초고해상화 이미지와 원본 이미지를 구별하기 위한 탐지 모델을 제안한다. 기존 딥페이크 탐지 연구들은 주파수 공간 특성을 활용하거나 사전학습된 백본 모델(Backbone Network)을 통해 성능 개선을 시도했으나, 특정 알고리즘 또는 데이터셋에 국한된 한계를 보였다. 본 연구에서는 학습 가능한 컨볼루션 커널(Learnable Convolution Kernel, LCK)을 통해 초고해상화 이미지의 국소적인 특징을 효과적으로 추출하고, 딥페이크 이미지 조작에 강인하게 사전학습된 ResNet-50 모델을 백본으로 활용하는 탐지 프레임워크를 구축하였다. 이를 통해 다양한 초고해상화 알고리즘 및 상용 툴로 생성된 이미지에 대해 뛰어난 구분 성능을 확보하였으며, 모든 테스트 데이터셋에서 100% 정확도를 달성하였다. 또한, Gradient map 시각화를 통해 제안 모델이 이미지의 엣지 및 텍스처와 같은 세부 정보 활용을 통해 초고해상화 이미지를 효과적으로 식별함을 확인하였다.