본 논문은 이미지 조작 탐지 분야에서의 약지도 학습 방법을 제안합니다. 기존의 완전 지도 학습 방식은 많은 노력을 필요로 하는 픽셀 단위 주석이 필요하지만, 본 논문에서 제안하는 방법은 이미지 단위 이진 레이블만으로 학습이 가능합니다. 특히, 기존 약지도 학습 방법들이 경계 정보의 중요성을 간과한 점을 개선하기 위해, 경계 특징을 집계하고 문맥 불일치를 학습하는 Context-Aware Boundary Localization (CABL) 모듈을 제안합니다. 또한, Class Activation Mapping (CAM)과 Segment Anything Model (SAM)을 활용하여 더 정확한 조작 영역 국재화 지도를 생성하는 CAM-Guided SAM Refinement (CGSR) 모듈을 제안합니다. 두 모듈을 통합한 이중 분기 Transformer-CNN 아키텍처 기반의 새로운 약지도 학습 프레임워크를 제시하며, 다양한 데이터셋에서 우수한 국재화 성능을 달성합니다.
