2026년 8월 딥페이크 탐지 논문: 이미지-비디오 전이, 다중 에이전트 포렌식, 공정성

해결하는 문제

FakeI2V-Bench는 이미지 및 비디오 수준의 감지를 통합적으로 테스트하고, 프레임 점수를 비디오 결정으로 전환하는 재사용 가능한 브릿지를 도입합니다. 이 브리지는 클립의 20%만 조작될 때 정확도, 교차 생성기 동작, 지연 시간, 모델 크기, 성능을 정량화합니다.

핵심 결과

최상의 순수 집계 결과, 가장 강력한 이미지 검출기는 80.16% AUC에 도달하며, 이미 최고 비디오 모델 FTCN(79.99%)을 근소하게 앞서고 있습니다. IV-브리지 이후 12개 이미지 검출기 중 11개가 FTCN을 앞섰습니다; RINE-IV는 93.80% AUC, 97.63% AP로 선두를 달리고, 434만 파라미터 Patch-IV는 89.26% AUC, 96.12% AP를 기록합니다. 14개의 생성기를 통틀어 향상된 이미지 모델은 평균 95.51% AUC, 최고 비디오 검출기는 91.01%에 비해 높은 수준입니다. 다만 Sora는 72.76% 평균 AUC로 여전히 어렵습니다. 20%만 위조된 프레임으로 모든 모델이 드랍되고 Patch-IV가 77.15% AUC로 선두를 달리고 있습니다.

해결하는 문제

이 논문은 현재의 설명이 풍부한 벤치마크와 보이지 않는 생성자를 위한 협력적 추론 시스템을 모두 제공합니다. 독립적인 전문가 보고서가 긴 사고 연쇄 프롬프트를 넘어 일반화를 개선하는지, 또는 동일한 프레임을 한 모델에 반복적으로 보여주는지 여부를 테스트합니다.

핵심 결과

도메인 외 테스트에서 비디오 인식 심사를 지원하는 전체 시스템은 69.87% 정확도, 81.82% 리콜, 53.28 F1을 기록합니다. 가장 강력한 폐쇄형 모델인 Gemini 2.5 Pro는 63.78%, 75.29%, 47.45%를 기록하며, 최고 소형 시력 기준선은 64.28% 정확도와 45.20 F1에 도달합니다. 텍스트 전용 심사는 요원 보고서 위에서 67.41% 정확도와 51.01 F1로 여전히 2위를 차지합니다. Joint SFT는 비디오 인식 시스템을 42.29%에서 67.03%로 향상시켰으며, GRPO는 이를 더욱 끌어올렸습니다; 네 명의 법의학 요원을 모두 합치면 두 심사 설정 모두에서 최고의 F1 점수를 얻습니다.

해결하는 문제

FairReL은 두 가지 하위 그룹 민감 요소인 다중 스케일 공간 주파수와 미세 조정 시 도입된 잔류 표현을 분리하여 각각에 다른 공정성 제어를 적용합니다. 고정된 작동 임계값에서 거짓 양성 격차를 평가하므로, 전체 샘플 수를 적게 거부하는 것으로 개선을 만들 수 없습니다.

핵심 결과

가장 강력한 공정성 중심 기준 모델에 대해, 저자들은 보지 않은 데이터셋 AUC에서 3.9포인트 향상과 하위 그룹 FPR 격차에서 10.2% 감소를 보고합니다. FairReL은 Celeb-DF, DFD, DFDC에서 각각 80.64, 86.13, 66.34의 AUC를 달성했으며, 세 데이터셋 모두에서 가장 낮은 동등 FPR 격차(10.12, 13.55, 38.36)를 기록했습니다. DFDC에서는 그룹 평균 AUC가 67.03이고 최우수 하위 그룹과 최저 하위 그룹 간 AUC 차이는 1.09포인트입니다. 전반적인 AUC에서는 정확도 중심의 GenD에 약간 뒤처지지만, 성능을 더 균등하게 분배하며, 특히 여성과 흑인 하위 그룹에서 두드러집니다.