데이터 불균형 완화를 위한 rPPG 기반 딥페이크 탐지의 2단계 필터링 기반 영상 증강 전략

Two-Stage Filtering-Based Video Augmentation Strategy for rPPG-Based Deepfake Detection under Class Imbalance

발행

2025 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.

소속·발행

연세대학교

출처

국내 KCI

원문

원문 보기 ↗

개념

키워드

rPPG, 딥페이크 탐지, 데이터 불균형, 데이터 증강, rPPG, Deepfake Detection, Data Imbalance, Data Augmentation

초록

딥페이크 기술이 확산함에 따라, 데이터 불균형으로 인해 저하되는 rPPG 기반 탐지 모델의 성능을 개선하기 위한 연구가 중요해지고 있다. 그러나 기존 영상 증강 기법은 생리 신호의 주기성과 시간적 연속성을 왜곡할 수 있어, rPPG 신호의 핵심 특징을 보존하면서 데이터 불균형을 해소하는 데 한계를 보인다. 본 논문은 이러한 문제를 해결하기 위해 2단계 영상 증강 전략을 제안한다. 제안하는 전략은 시간적 연속성, ROI 정합성 등 4가지 기준의 규칙 기반 필터링으로 rPPG 신호의 무결성을 보존하고, 결과 기반 필터링을 통해 탐지 성능을 극대화하는 증강 기법을 선별한다. 또한 본 논문에서는 제안 전략의 성능을 DeepFake Detection 데이터셋과 정확도, 정밀도, 재현율, F1-score 지표로 평가하였다. 결과적으로 제안 전략은 복합 적용 조건에서 0.7317의 F1-score를 기록하여 기본 모델(0.6551) 대비 성능을 향상시키고, 정밀도와 재현율 간의 균형을 개선하여 탐지 성능의 안정성을 확보하였다.

같은 개념의 다른 논문

이 개념이 나오는 강연