TensorFlow.js 없이 200KB Pure JS로 구현한 Autoencoder 기반 Deepfake 분석

Context

일반적인 AI 설명 방식의 추상성을 배제하고 수학적 원리에 기반한 Deepfake 메커니즘 분석 필요성 대두. 대규모 프레임워크 의존성으로 인한 브라우저 환경의 무거운 런타임과 느린 초기 로딩 속도가 병목 지점으로 작용.

Technical Solution

• PyTorch로 학습한 경량 Autoencoder 모델의 가중치를 float16 binary 형태로 추출하여 데이터 크기 최적화
• TensorFlow.js나 WebAssembly 없이 Vanilla JavaScript 기반의 Matrix Multiplication 및 ReLU 함수를 직접 구현한 추론 엔진 설계
• Shared Encoder 구조를 통해 서로 다른 대상의 얼굴 특징을 공통 Latent Space로 매핑하는 유니버설 표현 학습
• 학습된 Encoder에 타겟 대상의 Decoder를 교체 결합하여 원본의 표정과 포즈를 유지한 채 외형만 변경하는 Decoder Swap 기법 적용
• 고차원 데이터를 저차원으로 압축하는 Dimensionality Reduction 과정을 통한 핵심 특징 추출 및 복원 프로세스 구축