🦄

GAN으로 생성된 거짓 영상 판별 기술 개발

분야
머신러닝
딥러닝
Computer Vision
no
3
세부 설명
■ 연구 내용 · 딥러닝 기술을 기반으로 거짓 합성 영상을 판별하는 기술 개발 예) Deep Fake 등의 GAN 기술로 생성된 거짓 얼굴 영상 판별 ■ 연구 목적 · GAN등의 기술로 생성된 거짓 합성영상을 판별하는 딥러닝 모델 기술을 개발 · SOTA(State of the art) 기술을 반영하여 개발 · 영상 기반 서비스에서 활용 가능한 End-to-End 기술로 개발 ■ 활용 계획 · NUGU facecan 등의 얼굴 인식 서비스나 다양한 영상기반의 서비스 시나리오에서 보안을 강화하는 기술로 활용 ■ 관련 경험/역량 · 딥러닝 기반의 영상 분석 기술 개발 역량 (필수) · GAN을 활용한 영상 생성이나 합성영상 판별 기술 개발 경험 (우대)

01 멘토 소개

_resize.jpg

김인수

영상인식기술Cell
주요 업무
딥러닝 기반의 영상인식 기술 개발
위변조 얼굴 검출 기술 개발
얼굴 랜드마크 검출 기술 개발
3D 얼굴 reconstruction 기술 개발
_resize.jpeg

백열민

영상인식기술Cell
주요 업무
임베디드 기반 DNN 영상 인식 기술 개발

02 프로젝트 소개

Untitled.png
개발 배경
Deep fake 등의 AI 영상합성 기술이 발달하면서, 정교하게 생성된 영상을 악의적으로 사용하는 사례가 크게 증가하고 있습니다. 이런 피해 사례를 방지하기 위해서 최근에는 딥러닝 영상분석 기술을 활용하여 합성 영상을 판별할 수 있는 보안기술에 대한 수요가 증가하고 있는 추세입니다.
SKT에서는 NUGUfacecan(얼굴인식) 등의 영상을 기반으로한 서비스를 제공하고 있습니다. 현재는 B2B 위주의 서비스를 위주로 상용되고 있어서, 합성된 영상을 악용하려는 시도가 불가능 하지만, 향후 B2C로 서비스를 확장하게 되면 거짓으로 합성된 영상을 판별할 수 있는 기술적인 준비가 필요합니다.
개발 목표
딥러닝 기반의 합성영상 판별기술 개발
딥러닝 기술을 기반으로 합성된 영상을 검출하는 기술을 개발합니다.
딥러닝 프레임워크는 자유롭게 선택 가능
SOTA 기술을 반영하여 알고리즘을 개발하는 것을 목적으로 합니다.
Public DB를 우선 활용하여 개발합니다.
End-to-End 서비스를 염두에 두고 기술을 개발합니다.
정량적 성능 평가 방식 설계
영상분석 상용 서비스 적용 가능성 검토

03 이런 fellow를 찾습니다

필수 : 딥러닝 기반의 영상 분석 기술을 개발 역량
우대 : GAN을 활용한 영상 생성이나 합성영상 판별 등 관련 분야 경험 보유