연구진은 딥페이크 탐지 시 발생하는 '의미 마스킹 효과' 문제를 해결하기 위해 다중 뷰 증거 기반 학습 프레임워크 DiCoME를 제안했어요.
DiCoME는 '분할(Divide)' 단계에서 기하학적 뷰 정제 기술로 의미 마스킹을 억제하고, '정복(Conquer)' 단계에서 불확실성을 고려한 증거 기반 학습을 통해 상호 보완적인 뷰를 합성해요.
실험 결과, DiCoME는 기존 방식보다 일반화 성능이 뛰어나고, 신뢰성 있는 불확실성 추정치를 제공하여 딥페이크 탐지에 기여해요. 코드 공개는 GitHub에서 확인할 수 있어요.