시각적 진실성: 합성곱 신경망을 활용한 AI 생성 이미지 탐지의 진보

특히 프롬프트 기반 이미지 생성 모델을 중심으로 한 이미지 생성 모델의 급격한 발전은 시각 정보를 이해하는 방식을 새롭게 열었으며, 실제와 합성의 경계를 모호하게 만들고 있습니다. 더불어, AI 생성 이미지가 다양한 산업 분야에 확산되고 생성 모델의 접근성이 용이해지면서 잘못된 정보와 윤리적 문제에 대한 우려가 증가하고 있습니다. 본 연구는 실제 이미지와 AI 생성 이미지를 구분하는 강력한 이미지 분류 모델의 중요성에 대해 탐구합니다. AI 생성 이미지와 실제 이미지를 포괄적으로 모은 CIFAKE 데이터셋을 이용하고, 다양한 합성곱 신경망(CNN) 구조와 전이 학습 기법을 적용하여 AI 생성 이미지 탐지를 한층 더 발전시키는 것을 목표로 합니다. 모델 학습은 두 단계로 진행되었는데, 하나는 사전 학습된 가중치를 사용하고 기본 모델 층을 고정하는 방식이며, 다른 하나는 기본 모델을 미세 조정하는 방식입니다. EfficientNet을 기본 모델로 사용한 최적 모델은 97.29%의 검증 정확도를 달성하였습니다. 시각 콘텐츠의 진위가 점점 더 중요해지는 시대에 본 연구는 콘텐츠 관리, 사이버 보안, 디지털 포렌식 등 다양한 분야에 적용 가능성을 제시합니다.