최근 합성개구레이더(SAR) 영상의 분석 및 활용은 감시, 군사 작전, 환경 모니터링에서 매우 중요해졌다. SAR 영상에서 흔히 나타나는 문제는 반점 잡음(speckle noise)의 존재로, 이는 영상의 해석 가능성을 저해할 수 있다. SAR 영상을 더 명확하게 하기 위해, 본 논문은 SGCL-SET라 불리는 새로운 SAR-대-전기광학(EO) 영상 변환(SET) 네트워크를 제안한다. 이 네트워크는 우선 안정적인 변환을 위해 EO 객체 레이블 정보를 통합한다. 우리는 사전학습된 분할(segmentation) 네트워크를 사용하여 분할 영역에 해당하는 레이블을 SET 학습에 제공한다. 우리의 SGCL-SET는 분할 및 레이블 정보를 이용하여 혼란스러운 문맥 영역에 대한 변환을 효과적으로 학습하도록 학습될 수 있다. KOMPSAT 데이터셋에 대한 종합적인 실험을 통해, SGCL-SET는 아홉 가지 영상 품질 평가 지표 전반에서 모든 기존 방법을 큰 폭으로 능가함을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.