본 논문은 악의적인 이미지 조작의 사회적 위험성 증가에 따라 효과적인 이미지 조작 탐지 방법의 중요성이 커지고 있음을 강조합니다. 기존의 완전 지도 학습 기반 이미지 조작 탐지 방법들은 많은 노력이 필요한 픽셀 단위 주석을 필요로 하기 때문에, 이미지 단위 이진 레이블만으로 학습 가능한 약지도 학습 기반 이미지 조작 위치 파악 방법을 탐구하는 것이 중요합니다. 본 논문에서는 기존 약지도 학습 기반 방법들이 정확한 위치 파악을 위한 경계 정보의 중요성을 간과하고 있다는 점을 지적하고, 이를 해결하기 위해 경계 특징을 집계하고 문맥 불일치를 학습하여 조작 영역을 찾는 Context-Aware Boundary Localization (CABL) 모듈을 제안합니다. 또한, Class Activation Mapping (CAM)과 Segment Anything Model (SAM)을 활용하여 더욱 정확한 조작 위치 파악 맵을 생성하는 CAM-Guided SAM Refinement (CGSR) 모듈을 제시합니다. 두 모듈을 통합하여 이중 분기 Transformer-CNN 아키텍처 기반의 새로운 약지도 학습 프레임워크를 제시하며, 다양한 데이터셋에서 뛰어난 위치 파악 성능을 달성합니다.
