딥페이크 탐지 모델이 깨끗한 데이터셋에서는 뛰어난 성능을 보이지만, 흐림이나 심한 압축과 같은 실제 환경의 복합적인 왜곡에 취약한 공간적 주의력 드리프트가 발생해요.
연구진은 극단적인 복합 왜곡 엔진과 구조적으로 제약된 다중 스트림 아키텍처를 통합한 새로운 프레임워크를 제안하여 이러한 취약점을 해결했어요.
DINOv2-Giant 백본을 활용하여 기하학적, 의미적 우선순위를 추출하고, 전역 텍스처, 국소 얼굴, 하이브리드 의미 융합 스트림을 통해 공간적 주의력을 안정화하는 방법을 제시했어요.