본 논문은 기존 딥페이크 탐지 방법의 한계점인 라벨링 데이터 의존성을 극복하기 위해, 대규모 비표지 데이터를 활용하는 Dual-Path Guidance Network (DPGNet)을 제안합니다. 딥페이크 이미지와 실제 이미지의 구분이 어려워지는 현실을 고려하여, 서로 다른 생성 모델 간의 도메인 격차를 해소하고 비표지 데이터를 효과적으로 활용하는 데 초점을 맞춥니다. DPGNet은 텍스트 기반의 교차 도메인 정렬 모듈과 커리큘럼 기반 의사 라벨 생성 모듈을 통해 이 문제를 해결하며, 교차 도메인 지식 증류를 통해 망각 문제를 방지합니다. 11개의 대표적인 데이터셋을 이용한 실험 결과, DPGNet은 기존 최고 성능(SoTA) 방법보다 6.3% 향상된 성능을 보였습니다.
