Context-aware, misalignment-robust SAR-to-EO translation research
연구 내용
SAR의 speckle noise와 SAR–EO 간 국소 오정렬을 고려해 컨텍스트 정보를 활용하고 손실 설계로 안정적인 SAR-to-EO 변환 성능을 확보하는 연구
SAR-to-EO 변환에서 입력 영상의 speckle noise와 시간·센서 차이로 인한 국소 오정렬이 해석 가능성을 제한하는 문제를 다룹니다. coarse-to-fine 학습 구조와 self-attention 기반 노이즈 저감, EO 객체 라벨을 제공하는 segmentation-guided 컨텍스트 학습, 그리고 픽셀 단위 uncertainty를 모델링해 복잡한 영역에 학습을 집중하는 방식으로 구성합니다. 또한 정렬 불일치를 흡수하는 misalignment-resistant 손실을 설계하여 결과 영상의 정합성과 시각적 일관성을 유지하는 차별성을 보유합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 SAR 잡음이 심한 입력에서 EO 유사 표현을 안정적으로 생성하기 위한 coarse-to-fine 학습과 컨텍스트 인지 모듈 확보에 집중되었습니다. 이후 SAR–EO 간 오정렬이 존재하는 조건에서도 학습이 흔들리지 않도록 misalignment-resistant 손실을 도입하고, EO 객체 라벨을 활용한 segmentation-guided 학습으로 혼동 영역을 분리하는 방향으로 확장했습니다. 최근에는 uncertainty-aware 학습을 통해 구조적으로 모호한 구간을 우선적으로 다루며, 국소 오정렬이 동반되는 실제 데이터 환경에서 재현 가능한 SAR-to-EO 변환 성능을 확보하는 흐름을 이어가고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
CFCA-SET: Coarse-to-Fine Context-Aware SAR-to-EO Translation With Auxiliary Learning of SAR-to-NIR Translation
Segmentation-Guided Context Learning Using EO Object Labels for Stable SAR-to-EO Translation
U-SET: Uncertainty-Aware SAR-to-EO Translation