Real-Time Remote Sensing Perception and Spatial Analysis from UAV and Satellite Imagery
연구 내용
UAV·위성 영상에서 분할과 초해상화, 깊이 추정, 탄소·바이오매스 정량을 멀티패스 인코더-디코더와 생성 prior 및 멀티모달 융합으로 수행하는 연구
원격탐지 영상은 조명·시점·대기 영향에 따라 외관이 크게 변하며, 넓은 공간에서 실시간 처리 요구가 동반됩니다. 본 연구는 UAV 이미지로부터 화재와 연무의 분할을 위해 인코더-디코더 구조를 변형하고, 중첩 디코더와 attention-gating으로 경계 품질을 향상시킵니다. 또한 위성 초해상화에서는 다중 스케일 특징 추출과 사전학습 기반 생성 prior을 결합하여 텍스처를 보존하면서 고주파 디테일을 복원하는 방향을 취합니다. 바이오매스와 탄소 흡수량 추정에서는 멀티스펙트럴 입력과 높이 구조 정보를 융합해 회귀 성능과 일반화를 동시에 목표로 합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
연구 흐름은 2022년 드론 획득 영상을 대상으로 화재와 연무를 분할하는 모델로 시작되어 실시간 인식과 경량화를 함께 고려했습니다. 이후 원격탐지 영역에서 깊이 추정의 반복적 문맥 적응 전략을 다루는 연구로 확장하며 영상 기반 공간 이해 역량을 보강했습니다. 2025년에는 위성 초해상화에서 생성 prior과 적응적 융합 모듈을 적용해 계산 비용을 줄이면서도 세부 텍스처를 복원하는 방향으로 심화했습니다. 같은 해 UAV 기반 산림 생산성과 탄소 저장량 추정에서는 멀티모달 인코더를 설계하고 멀티태스크 회귀 헤드로 엔드투엔드 추정 성능을 강화하는 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Deep Encoder–Decoder Network-Based Wildfire Segmentation Using Drone Images in Real-Time
Iterative contextual and adaptive strategies for enhanced monocular depth estimation
MBGPIN: Multi-Branch Generative Prior Integration Network for Super-Resolution Satellite Imagery
A Multimodal Deep Learning Framework for Accurate Biomass and Carbon Sequestration Estimation from UAV Imagery