As computer graphics technology evolves, it becomes increasingly difficult to judge whether a given picture has been taken with a camera or rendered by software. Meanwhile, as the image classification using the convolution neural network advances, it becomes possible to solve more complex classification problems with less data. In this study, we constructed a network that learns what type of image a small patch was extracted from. This makes it possible to judge whether an image is a graphic image more accurately and quickly than before. Also, it showed that it is possible to detect the graphic area of the image through the distribution of patches, and showed robustness in image processing such as resizing.
컴퓨터 그래픽 기술이 발전함에 따라 주어진 사진이 카메라로 찍은 것인지, 또는 그래픽 기술을 통해서 생성된 것인지 판단하는 것은 점점 어려워 지고 있다. 한편. 컨벌루션 뉴럴 네트워크를 이용한 이미지 식별 기술이 점점 발전함에 따라 더욱 복잡한 분류 문제를 더 적은 데이터로 해결하는 것이 가능해 지고 있다. 본 연구에서는 이미지의 작은 패치가 어떤 종류의 이미지에서 추출된 것인지 여부를 학습하는 네트워크 구성하였다. 이를 통해 이미지의 그래픽 여부 판단을 기존에 비해 더 정확하고 빠르게 가능하였다. 또한, 패치의 분포를 통하여 이미지의 그래픽 영역을 따로 탐지하는 것이 가능함을 보였고, 리사이즈 등 이미지 프로세싱 과정에 강인함을 보였다.
