1 |
1
이미지 데이터가 입력되는 인터페이스부; 및상기 인터페이스부를 통하여 입력된 상기 이미지 데이터가 딥페이크 이미지인지 판단하는 구분부(classifier)를 포함하며,상기 구분부는 진짜 이미지의 일부를 상기 진짜 이미지를 자가복제하여 생성한 가짜 이미지로 교환(swap)하여 생성된 합성 이미지를 기초로 딥페이크 이미지를 판단하도록 학습된, 딥페이크 이미지 판별 장치
|
2 |
2
청구항 1에 있어서,상기 구분부는그라디언트 반전층(gradient reversal layer)을 통하여 수신된 상기 합성 이미지를 기초로 학습된, 딥페이크 이미지 판별 장치
|
3 |
3
청구항 2에 있어서,상기 가짜 이미지는 진짜 이미지를 자가복제하여 가짜 이미지를 생성하도록 학습된 오토인코더(autoencoder)를 통하여 생성되며,상기 합성 이미지는 소정 파라미터를 기초로 상기 진짜 이미지의 일부를 상기 가짜 이미지로 교환하여 합성 이미지를 생성하는 적응형 증강기(adaptive augmenter)를 통하여 생성된, 딥페이크 이미지 판별 장치
|
4 |
4
청구항 3에 있어서,상기 오토인코더는 상기 그라디언트 반전층으로부터 반전된 그라디언트를 수신하여 상기 구분부가 딥페이크 이미지인지 판단하기 어려운 방향으로 업데이트되는, 딥페이크 이미지 판별 장치
|
5 |
5
청구항 3에 있어서,상기 소정 파라미터는이미지를 교환할 부분을 마스킹하기 위한 마스크의 크기, 모양, 개수 및 위치 중 적어도 하나 이상에 대한 설정값의 조합으로 구성되는, 딥페이크 이미지 판별 장치
|
6 |
6
청구항 5에 있어서,상기 구분부는서로 다른 설정값을 가지는 하나 이상의 소정 파라미터에 따라 생성된 하나 이상의 합성 이미지 각각에 대한 신뢰 점수를 계산하여 상기 적응형 증강기로 전달하며,상기 적응형 증강기는 상기 신뢰 점수에 기초하여 상기 하나 이상의 소정 파라미터 각각의 적용 빈도를 결정하는, 딥페이크 이미지 판별 장치
|
7 |
7
청구항 6에 있어서,상기 하나 이상의 소정 파라미터 각각의 적용 빈도는 상기 신뢰 점수에 반비례하여 결정되는, 딥페이크 이미지 판별 장치
|
8 |
8
딥페이크 이미지를 판별하는 장치에 포함된 구분기(classifier)를 학습시키는 방법에 있어서,진짜 이미지를 자가복제하여 가짜 이미지를 생성하는 단계;상기 진짜 이미지의 일부를 상기 가짜 이미지로 교환(swap)하여 합성 이미지를 생성하는 단계; 및상기 합성 이미지를 기초로 딥페이크 이미지를 판단하도록 학습하는 단계를 포함하는, 학습 방법
|
9 |
9
청구항 8에 있어서,상기 구분기는그라디언트 반전층(gradient reversal layer)을 통하여 수신된 상기 합성 이미지를 기초로 학습된, 학습 방법
|
10 |
10
청구항 9에 있어서,상기 가짜 이미지는 진짜 이미지를 자가복제하여 가짜 이미지를 생성하도록 학습된 오토인코더(autoencoder)를 통하여 생성되며,상기 합성 이미지는 소정 파라미터를 기초로 상기 진짜 이미지의 일부를 상기 가짜 이미지로 교환하여 합성 이미지를 생성하는 적응형 증강기(adaptive augmenter)를 통하여 생성된, 학습 방법
|
11 |
11
청구항 10에 있어서,상기 오토인코더는 상기 그라디언트 반전층으로부터 반전된 그라디언트를 수신하여 상기 구분기가 딥페이크 이미지인지 판단하기 어려운 방향으로 업데이트되는, 학습 방법
|
12 |
12
청구항 10에 있어서,상기 소정 파라미터는이미지를 교환할 부분을 마스킹하기 위한 마스크의 크기, 모양, 개수 및 위치 중 적어도 하나 이상에 대한 설정값의 조합으로 구성되는, 학습 방법
|
13 |
13
청구항 12에 있어서,상기 구분기는서로 다른 설정값을 가지는 하나 이상의 소정 파라미터에 따라 생성된 하나 이상의 합성 이미지 각각에 대한 신뢰 점수를 계산하여 상기 적응형 증강기로 전달하며,상기 적응형 증강기는 상기 신뢰 점수에 기초하여 상기 하나 이상의 소정 파라미터 각각의 적용 빈도를 결정하는, 학습 방법
|
14 |
14
청구항 13에 있어서,상기 하나 이상의 소정 파라미터 각각의 적용 빈도는 상기 신뢰 점수에 반비례하여 결정되는, 학습 방법
|