[논문] AI 생성 이미지 탐지를 위한 스펙트럼 꼬리 보조 학습
Source: arXiv - 2605.22751v1
Overview
생성 이미지 모델이 급속히 발전함에 따라, 생성 이미지와 실제 이미지 사이의 지각적 격차가 점점 좁혀지고 있어 AI가 만든 이미지를 탐지하는 일이 점점 더 어려워지고 있습니다. 기존 방법들 대부분은 탐지를 위해 주파수 영역 단서를 활용하는데, 이를 흔히 주파수 영역 아티팩트 혹은 고주파 불일치라고 부릅니다. 그러나 구체적이고 반복되는 스펙트럼 규칙성은 아직 충분히 이해되거나 규명되지 않았습니다. 본 논문에서는 실제 이미지와 생성 이미지의 1차원 방사형 로그 전력 스펙트럼을 체계적으로 분석합니다. 그 결과, 생성 이미지가 전체 스펙트럼이나 고주파 대역 전체에서 에너지가 더 높거나 낮다고 일반화할 수 없음을 발견했습니다. 대신, 생성 이미지의 스펙트럼은 전력 법칙적 감소에서 벗어나 초고주파 꼬리 부분에서 비정상적인 상승을 보입니다. 우리는 이 현상을 스펙트럼 꼬리 상승이라 명명합니다. 또한 이 현상이 훈련된 생성 모델 내에서 비선형 고조파 누적에 기인한다는 점을 밝혀, 다양한 생성 아키텍처 전반에 걸쳐 구조적 단서로 활용될 수 있음을 제시합니다. 이러한 관찰을 바탕으로 우리는 Spectral Tail Auxiliary Learning (STAL), 즉 스펙트럼 꼬리 보조 학습이라는 주파수 영역 보조 감독 프레임워크를 제안합니다. STAL은 훈련 시 꼬리 인식 주파수 교사로부터 스펙트럼 꼬리 단서를 공간 탐지기로 전달하고, 추론 시에는 모든 주파수 영역 모듈을 제거합니다. 따라서 STAL은 추론 오버헤드를 전혀 발생시키지 않습니다. 9개의 공개 데이터셋에 대한 광범위한 실험 결과, STAL은 생성기, 데이터 분포, 실제 상황에 걸쳐 강력한 일반화와 안정성을 보여줍니다.
Key Contributions
이 논문은 다음 분야의 연구를 제시합니다:
- cs.CV
Methodology
자세한 방법론은 전체 논문을 참고하십시오.
Practical Implications
본 연구는 cs.CV 분야의 발전에 기여합니다.
Authors
- Xingyi Li
- Jiahui Zhang
- Yiheng Li
- Yun Cao
- Wenhao Wang
Paper Information
- arXiv ID: 2605.22751v1
- Categories: cs.CV
- Published: May 21, 2026
- PDF: Download PDF