합성개구레이더(SAR) 영상은 군사 감시, 환경 모니터링, 재난 대응 등 다양한 응용 분야에서 점점 더 중요해지고 있다. 그러나 SAR 영상은 스펙클 노이즈와 구조적 왜곡과 같은 독특한 영상 특성으로 인해 비전문가에게는 해석이 어렵다. 또한 SAR 영상의 고유한 특성과 시간적 비동일성은 종종 페어링된 SAR 및 전자광학(EO) 영상 사이의 국소적인 불일치를 초래한다. 이러한 문제를 완화하기 위해, 우리는 SAR-to-EO 번역을 위한 불확실성 인지 프레임워크인 U-SET을 제안하며, 픽셀 단위의 불확실성을 명시적으로 모델링하여 국소적으로 적응적인 학습을 가능하게 한다. 딥러닝 모델의 불확실성 추정 능력을 활용함으로써, U-SET은 학습 과정에서 구조적으로 복잡하고 모호한 영역에 효과적으로 우선순위를 부여한다. 새로 구축한 KOMPSAT 데이터셋에 대한 포괄적인 평가는 U-SET이 최신 성능을 달성하며, 정량 및 정성 평가 모두에서 6가지 영상 품질 지표에 걸쳐 기존 방법을 능가함을 보여준다.

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