연구진은 AI 생성 이미지와 실제 이미지 간의 인식 격차가 좁혀짐에 따라 AI 생성 이미지 탐지가 어려워지고 있다고 밝혔습니다. 기존 방법들은 주로 주파수 영역의 특징을 활용하지만, 스펙트럼 규칙성에 대한 이해가 부족합니다. 본 연구에서는 AI 생성 이미지의 스펙트럼 분석을 통해 '스펙트럼 꼬리 상승' 현상을 발견하고, 이를 활용한 스펙트럼 꼬리 보조 학습(STAL) 프레임워크를 제안했습니다.
STAL은 주파수 영역의 정보를 공간 감지기로 전달하여 학습 과정에서 스펙트럼 꼬리 특징을 활용하며, 추론 시에는 주파수 영역 모듈을 제거하여 성능 저하 없이 활용 가능합니다. 연구 결과, STAL은 다양한 생성 모델, 데이터 분포, 실제 환경에서 강력한 일반화 성능을 보였습니다.
본 연구는 AI 생성 이미지 탐지를 위한 새로운 접근 방식을 제시하며, 생성 모델 아키텍처에 따른 구조적 특징을 활용하는 가능성을 보여줍니다. 스펙트럼 꼬리 상승 현상은 비선형 고조파 축적에 기인하며, 다양한 생성 모델에서 나타나는 공통적인 특징으로 활용될 수 있습니다.