NTIRE 2026 Challenge on Robust AI-Generated Image Detection in the Wild

1. 문제 정의 (Problem Definition)

• 배경: 생성형 AI (Diffusion, GAN, Autoregressive 모델 등) 의 급격한 발전으로 인해 실사처럼 보이는 AI 생성 이미지가 폭발적으로 증가하고 있으며, 이는 미디어 무결성, 허위 정보, 디지털 포렌식 등에 심각한 위협이 되고 있습니다.
• 핵심 과제: 기존 탐지 모델들은 '클린 (Clean)'한 데이터에서는 높은 성능을 보이지만, 실제 배포 환경에서 이미지들이 겪는 **다양한 변형 (자르기, 크기 조절, 압축, 흐림, 노이즈 등)**에 매우 취약합니다.
• 챌린지 목표:
  1. 다양한 생성 모델 (오픈소스 및 상용 모델 42 개) 로부터 생성된 이미지와 실사 이미지를 구분하는 능력 평가.
  2. 복잡한 이미지 열화 (Degradation) 파이프라인 하에서의 탐지 강인성 (Robustness) 평가.
  3. 보지 못한 (Unseen) 생성 모델에 대한 일반화 (Generalization) 능력 평가.

2. 데이터셋 및 평가 지표 (Dataset & Metrics)

• 데이터셋 구성:
  • 실사 이미지: 108,750 장 (CC12M, CommonPool, RedCaps 등 대규모 웹 소스 데이터에서 필터링 및 정제).
  • AI 생성 이미지: 185,750 장 (2022~2026 년 출시된 42 개의 생성 모델 사용).
  • 특징: 생성된 이미지는 원본 실사 이미지와 페어링 (Pairing) 되어 의미론적 분포를 일치시켰으며, 36 가지의 다양한 변형 (Gaussian blur, JPEG 압축, 신경망 압축, 워터마킹 제거 공격 등) 을 적용하여 강인성 평가 트랙을 구성했습니다.
• 평가 지표:
  • 주요 지표: Robust ROC AUC (변형된 모든 이미지를 대상으로 계산).
  • 보조 지표: Clean ROC AUC (변형되지 않은 이미지 대상으로 계산).
  • 참고: ROC AUC 는 임계값 설정 없이 모델의 전체적인 판별 능력을 평가하기 위해 선택되었습니다.

3. 주요 참가 팀의 방법론 및 기술적 기여 (Methodology & Key Contributions)

총 511 명의 참가자가 등록하여 20 개 팀이 최종 솔루션을 제출했으며, 상위 팀들의 주요 접근 방식은 다음과 같습니다.

1 위: MICV (Ant Group)

• 핵심 전략: 계층적 데이터 전략과 앙상블 기반 아키텍처.
• 기술적 세부사항:
  • 데이터: 오픈소스 벤치마크, 최신 생성 모델 (Qwen, FLUX 등), 상용 API (Seedream, Kling 등) 의 데이터를 통합한 대규모 코퍼스 구축.
  • 아키텍처: DINOv3 백본을 기반으로 한 2 개의 서브넷 (4 개 및 2 개의 DINOv3 앙상블) 을 활용한 Late-fusion 전략.
  • 강인성: 난이도별 계층적 데이터 증강 (Heterogeneous Augmentation) 과 Focal Loss, Stochastic Weight Averaging (SWA) 을 적용하여 실험실 데이터와 야생 데이터 간의 분포 차이를 해소.

2 위: Ant International

• 핵심 전략: 모델 스케일링과 듀얼 전문가 앙상블.
• 기술적 세부사항:
  • 백본: DINOv3-7B (거대 모델) 사용.
  • 아키텍처: 고해상도 전문가는 512x512 입력과 Attention Pooling 을, 강인성 전문가는 288x288 입력과 First-token Pooling 을 사용하는 Dual-Expert Ensemble.
  • 데이터: 4 단계 (Clean, Mild, Moderate, Heavy) 의 오프라인 증강 파이프라인을 적용하여 다양한 열화 상황에 대비.

3 위: TeleAI-TeleGuard

• 핵심 전략: LoRA 기반 쌍대 학습 (Pairwise Training).
• 기술적 세부사항:
  • EVA-CLIP 기반 모델에 LoRA를 적용하여 미세 조정.
  • Pairwise Optimization: 클린 이미지와 해당 이미지의 변형 버전을 배치 단위로 함께 학습하여, 변형된 이미지의 특징을 클린 이미지의 특징에 보정 (Correct) 하도록 학습 (KL divergence 및 MSE Loss 활용).
  • 데이터: 조직자가 제공한 변형 외에도 Speckle Noise, Color Cast 등 실제 데이터 분포에 맞는 추가 변형을 도입.

4 위: INTSIG

• 핵심 전략: 5 단계 파이프라인을 통한 점진적 모델 개선 및 가중치 융합.
• 기술적 세부사항:
  • 모델 1~4: DINOv3-Huge 기반. 데이터 확장, 변형 증강 강화, 고해상도 (448x448) 브랜치 추가 등을 통해 점진적으로 성능 향상.
  • 모델 5: 백본을 MetaCLIP2 Giant로 교체하고 부분 미세 조정 (Partial Fine-tuning) 적용.
  • 앙상블: 5 개 모델의 Logit 을 가중치로 융합하고, 이상치 억제 (Outlier Suppression) 및 일관성 교정 (Consensus Correction) 로직을 적용하여 최종 예측 도출.

기타 주요 팀:

• Vincentlc: SigLIP2-Giant 백본과 'Squish' 전략 (비율 무시하고 384x384 로 직접 리사이즈하여 국소적 포렌식 단서 보존) 을 적용.
• Reagvis Labs (RAPID): CLIP, SigLIP, SRM(잔차 모델링), EVA-02 등 4 가지 서로 다른 패러다임의 모델을 캐스케이드 (Cascade) 방식으로 결합하여 메모리 효율성을 극대화.
• UESTC: CLIP 과 SigLIP 기반 4 개 전문가 앙상블에 **특징 수준 자기 증류 (Feature-level Self-distillation)**를 도입하여 일반화 성능 향상.
• PSU (PRISM): 7 개의 이질적 인코더 (VL, Self-supervised, Supervised CNN) 를 패러다임 다양성 (Paradigm Diversity) 기반으로 앙상블.

4. 실험 결과 (Results)

• 성능: 상위 2 개 팀 (MICV, Ant International) 은 평균 Robust ROC AUC 0.97 이상을 기록하여 매우 높은 성능을 입증했습니다.
  • MICV: 평균 Robust ROC AUC 0.9723 (1 위), Clean ROC AUC 0.9974.
  • Ant International: 평균 Robust ROC AUC 0.9721 (2 위), Hidden Test Set 에서 가장 높은 성능 기록.
• 경쟁 격차: 상위 2 팀과 그 외 팀들 (TeleAI, INTSIG 등) 사이에는 약 0.05~0.06 정도의 Robust ROC AUC 격차가 존재하여, **강인성 (Robustness)**이 성능을 결정하는 가장 중요한 차별화 요소임을 보여줍니다.
• 트렌드: Transformer 기반 아키텍처 (DINOv3, SigLIP, CLIP 등) 와 대규모 데이터 증강, 앙상블 기법이 표준적인 성공 요인으로 부각되었습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 연구적 기여: 이 챌린지는 AI 생성 이미지 탐지 분야에서 **'실제 배포 환경 (In the Wild)'**의 복잡성을 체계적으로 다룬 최초의 대규모 벤치마크 중 하나입니다. 단순한 탐지 정확도뿐만 아니라, 다양한 열화 조건에서의 강인성을 평가하는 새로운 표준을 제시했습니다.
• 기술적 통찰:
  • 단일 모델보다는 다양한 패러다임의 앙상블과 **대규모 백본 (Large-scale Backbones)**의 활용이 필수적입니다.
  • 데이터 증강 (Augmentation) 전략, 특히 실제 배포 시나리오를 모사한 복잡한 변형 파이프라인의 적용이 모델의 강인성을 결정짓는 핵심 요소입니다.
  • 생성 모델의 빠른 진화에 대응하기 위해 오픈소스 및 상용 모델 데이터를 모두 포함한 포괄적인 학습 데이터의 중요성이 재확인되었습니다.
• 미래 전망: 비록 최상위 모델들이 높은 성능을 보였으나, 여전히 해결되지 않은 과제가 존재하며, 지속적인 아키텍처 개선, 학습 전략 혁신, 그리고 데이터 큐레이션의 발전이 필요함을 강조했습니다.

이 논문은 AI 생성 콘텐츠 탐지 기술이 실험실 단계를 넘어 실제 사회에 적용되기 위해 필요한 강인성과 일반화 능력을 확보하는 데 중요한 이정표가 될 것입니다.