FAIR(Feature-Augmented Implicit Regularization)은 AI 생성 가짜 이미지 탐지 모델의 일반화 성능을 높이는 새로운 방법입니다. 기존 탐지기는 훈련 데이터의 저수준 텍스처 패턴에 과적합되어 새로운 도메인에서 실패하는 문제를 해결합니다.
Scene Composition Structure(SCS)라는 도메인 불변 구조적 사전 지식을 도입하여 모델의 최적화 경로를 기하학적으로 제약합니다. 이를 통해 텍스처 편향 학습을 억제하고 일반화된 의사 결정 경계를 만듭니다.
다섯 개의 대규모 벤치마크에서 FAIR를 적용한 결과, 정확도가 최대 8.04% 향상되었으며, 새로운 상태급의 강건성을 달성했습니다.