본 논문은 생성형 AI 도구의 발달로 인해 합성 이미지가 온라인 정보의 무결성에 심각한 위협이 되고 있다는 점을 지적하며, 특히 인터넷에서 가져온 합성 이미지는 압축 및 기타 변환 과정을 거쳐 기존의 합성 이미지 탐지(SID) 솔루션의 성능을 저하시킨다는 문제점을 제기합니다. 이를 해결하기 위해, 본 연구는 유전 알고리즘을 활용한 데이터 증강 조합 탐색 및 이중 기준 최적화 기법을 통해 SID 모델의 성능 향상을 도모합니다. 실제 환경의 변화에 대한 모델의 성능을 크게 개선하며, 다양한 품질 및 변환 과정을 거친 합성 이미지를 식별할 수 있는 탐지 모델 개발에 대한 귀중한 통찰력을 제공합니다. 최고 성능 모델은 증강 기법을 사용하지 않은 모델에 비해 평균 정밀도가 22.53% 향상되었습니다. 소스 코드는 github.com/efthimia145/sid-composite-data-augmentation 에서 확인할 수 있습니다.
