Detecting AI-Generated Videos with Spiking Neural Networks

작성자

Haebom

카테고리

Empty

저자

Minsuk Jang, Yujin Yang, Heeseon Kim, Minseok Son, Younghun Kim, Changick Kim

💡 개요

본 논문은 AI 생성 비디오 탐지에서 기존 방법론의 한계를 극복하기 위해 스파이킹 신경망(SNN)을 활용한 새로운 탐지 기법을 제안한다. AI 생성 비디오가 픽셀 수준 및 의미론적 특징 공간에서 비정상적으로 부드러운 시간적 잔차를 보이는 현상을 발견하고, 이러한 특성을 SNN의 이벤트 기반 동적 특성과 결합하여 탐지 성능을 높였다. 제안된 MAST 탐지기는 여러 채널의 시간적 잔차를 SNN 기반 시간적 분기에서 처리하여, 10개의 보지 못한 생성기에 대한 교차 생성기 평가에서 93.14%의 평균 정확도를 달성하며 기존 ANN 기반 탐지기를 능가하는 실용적인 성능을 입증하였다.

🔑 시사점 및 한계

•

스파이킹 신경망(SNN)은 AI 생성 비디오의 미묘한 시간적 아티팩트를 포착하는 데 매우 효과적이며, 특히 객체 및 모션 경계에서의 스파이킹 활동을 통해 탐지 성능을 향상시킬 수 있다.

•

픽셀 수준의 시간적 잔차와 의미론적 특징 공간의 궤적 압축이라는 두 가지 핵심적인 AI 생성 비디오의 특징을 함께 활용하는 것이 교차 생성기 탐지에 중요하다.

•

제안된 MAST 탐지기는 기존 ANN 기반 탐지기 대비 뛰어난 교차 생성기 일반화 성능을 보여, 다양한 AI 생성 비디오 탐지 문제에 대한 SNN의 실용성을 입증한다.

•

SNN 모델의 학습 및 최적화 과정에 대한 추가적인 연구와 다양한 유형의 AI 생성 비디오에 대한 확장성이 향후 과제로 남아있다.

PDF 보기

Made with Slashpage