PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.21897v1cs.CV

ISPCloak: 딥페이크 탐지기 대항 최적화 없는 물리적 위장을 위한 ISP 무기화

ISPCloak: Weaponizing ISP for Optimization-Free Physical Camouflage against Deepfake Detectors

생성 모델의 급속한 발전은 딥페이크 탐지기의 최악의 경우(worst-case) 견고성을 평가할 필요성을 촉발했다. 본 논문에서는 현재 포렌식 패러다임의 근본적인 사각지대를 밝힌다. 기존 탐지기는 디지털 합성 아티팩트를 포착하는 데 탁월하지만, AI 생성 콘텐츠가 진정한 물리적 촬영 특성으로 위장될 때 그 효과가 급격히 저하된다. 우리는 진짜 사진이 본질적으로 광학 센서와 이미지 신호 처리(Image Signal Processing, ISP) 파이프라인이 새긴, 인지할 수 없는 흔적인 하드웨어 고유의 통계적 시그니처를 지니며, 이는 순수 데이터 기반 생성 모델에는 근본적으로 부재한다고 주장한다. 이 통찰에 기반하여, 우리는 딥페이크 탐지기의 판단을 오도하기 위해 ISP 파이프라인을 명시적으로 무기화하는 새로운 최적화 없는 적대적 공격(adversarial attack) 프레임워크인 ISPCloak을 제안한다. 계산 비용이 큰 그래디언트 교란에 의존하는 대신, 우리 방법은 먼저 가역 ISP 네트워크를 사용하여 이미지를 RAW 도메인으로 투영한다. 그다음, 현실적인 Poisson-Gaussian 센서 노이즈를 주입하고 순방향 ISP 재구성을 수행함으로써 AI 생성 이미지에 실제 카메라의 복잡한 통계적 사전(prior)을 매끄럽게 각인한다. 생성 아티팩트 억제와 적응형 마스킹과 시너지를 이루면, 이 간소화된 물리적 시뮬레이션은 적대적 예제(adversarial example)의 초고속 생성을 가능하게 한다. 광범위한 실험은 진정한 물리적 교란을 임베딩하는 것이 현재의 다양한 탐지 메커니즘을 근본적으로 교란하며, 인지할 수 없는 시각적 변화로 보편적으로 회피 가능한 적대적 예제를 산출함을 보여준다.

arXiv:2607.11681v2cs.CV

Illuminant-Adaptive 3D Lookup Tables for Camera Color Correction

색 보정(color correction)은 카메라 이미지 신호 처리(ISP) 파이프라인의 핵심 구성 요소로, 조명 제거(illuminant discounting)와 장치 의존적 센서 반응을 CIE XYZ와 같은 장치 독립적 색 공간으로의 색측정 매핑을 포함한다. 광범위한 연구에도 불구하고, 카메라 센서 반응과 CIE XYZ 색 공간 사이의 비선형 관계, 그리고 고채도이며 스펙트럼이 복잡한 LED 광원의 증가로 인해 정확한 색 보정은 여전히 어려운 과제로 남아 있다. 우리는 광원 적응형 3차원 룩업 테이블(LUT)에 기반한 색 보정 프레임워크를 제안하며, 이를 Color Correction LUT(C$^2$LUT)라 부른다. 본 방법은 색도 인식 광원 표현과 비선형 색 변환을 결합하여, 다양한 색도와 스펙트럼 복잡도를 포괄하는 광원 하에서 정확한 보정을 가능하게 한다. LUT를 표현하기 위해 Tucker 텐서(tensor) 분해를 적용하여 카메라 ISP 배포에 적합한 충분히 낮은 계산 요구량을 유지한다. 또한, 다양한 색도와 스펙트럼 프로파일을 갖는 1,473개의 분광 전력 분포(spectral power distribution)로 구성된 대규모 광원 데이터셋(dataset)을 소개한다. 다수의 카메라, 광원, 반사율 데이터셋, 실제 촬영 이미지에 걸친 실험을 통해 기존 색 보정 방법 대비 일관된 성능 향상을 입증하였으며, 현대 카메라 하드웨어 제약과의 호환성을 유지하면서 CIE $\Delta E_{00}$을 최대 20%, 각도 오차를 최대 18% 감소시켰다. 코드와 데이터셋은 https://github.com/claudiom4sir/C2LUT 에서 확인할 수 있다.