다중분광·위성 영상 압축 아티팩트 제거를 위한 다중도메인 학습과 하이브리드 어텐션 연구

Multispectral/Satellite Compression Artifact Removal via Multidomain Learning and Hybrid Attention

연구 내용

공간-분광 가변 압축 조건을 고려해 위성 영상의 압축 아티팩트를 복원하고 세부 충실도를 향상하는 딥러닝 복원 연구

위성·원격탐사 영상은 전송 대역폭과 센서 스캔 제약으로 인해 공간과 분광에 따라 압축 양이 달라지는 SSVC가 적용되며, 이 과정에서 블록 아티팩트와 디테일 왜곡이 발생합니다. 본 연구는 압축 조건이 알려지지 않거나 변동될 수 있는 환경에서 복원 성능을 유지하기 위해 다중도메인 로컬 패치 협업 학습을 구성하고, 세부 텍스처 중심의 포커싱으로 복원 안정성을 확보합니다. 또한 분광과 공간 정보를 동시에 활용하기 위해 PAN(범색) 정보를 결합한 하이브리드 어텐션 트랜스포머 구조를 적용합니다. 나아가 압축 비율의 불확실성에 대응하는 품질 적응 메커니즘을 통해 다양한 압축 시나리오에서 시각 품질과 세부 복원력을 동시에 지향합니다.

관련 프로젝트

0건

연구 흐름

먼저 원격탐사 압축 환경에서 기존 복원 모델이 합성 데이터 중심으로 평가되어 실제 압축 조건의 차이를 충분히 반영하지 못한다는 문제를 설정했습니다. 이를 해결하기 위해 로컬 패치를 여러 도메인으로 분해해 특징을 다양하게 추출하고, 세부 복원에 초점을 맞춰 학습 안정성과 복원 품질을 함께 높이는 방향으로 접근했습니다. 이후 압축 비율을 가정하기 어려운 상황에서 성능이 흔들리지 않도록 품질 적응 메커니즘을 도입해 미지의 조건에도 대응하는 구조를 확장했습니다. 최근에는 분광 보존을 위한 spectral attention과 공간 구조 보존을 위한 panchromatic 결합을 통해 CNN 기반 복원과 차별화되는 하이브리드 트랜스포머 전략을 구체화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

SSVC 압축 아티팩트 제거
다중분광 영상 품질 복원 전처리
위성 영상 기반 지형 세부 향상
원격탐사 영상 판독 정확도 보조
압축 비율 불확실 환경 복원 모델
PAN-MS 결합 복원 파이프라인
영상 전송 후 복원 자동화
블록 경계 왜곡 완화
세부 텍스처 중심 복원 모듈
원격탐사 데이터 후처리 표준화