건물 경계 보정 기반 분할 및 도심 변화탐지

Building Boundary Correction for Segmentation and Urban Change Detection

연구 내용

고해상도 도심 영상에서 건물 객체의 과소·과대 분할 오류를 경계 보정으로 줄이고, 분할 안정성을 바탕으로 다중 변화 유형을 탐지하는 연구

도심 영상에서 인접 건물이 하나의 객체로 병합되는 under-segmentation 문제를 줄이기 위해, softmax 확률을 로컬 상대 순위로 재보정하고 오차가 발생하기 쉬운 영역을 억제한 뒤 Graph Cut 최적화로 전역 일관 경계를 형성합니다. 또한 SegFormer의 문맥 기반 후보 추출과 SAM 2의 promptable 경계 정밀화를 결합하여 건물 윤곽을 객체 단위로 정교하게 복원합니다. 분할의 구조적 안정성을 확보한 결과를 변화탐지에 연결하여 경계 왜곡과 병합 오차가 correspondence 오류로 전이되는 문제를 줄이는 방향으로 확장합니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 SegFormer 기반 문맥 인식을 활용해 건물 영역을 후보로 추출하고, SAM 2의 prompt 기반 경계 정밀화로 객체 윤곽을 보정하는 파이프라인을 구성하는 데 집중되었습니다. 이후 인접 건물 병합을 줄이기 위해 로컬 순위 기반 확률 보정과 Graph Cut refinement을 도입하여 전역 경계 일관성을 강화했습니다. 최근에는 시각 파운데이션 모델과 LoRA 기반 효율 적응을 결합한 계층형 인코더-디코더 구조로 다중 클래스 변화탐지의 표현력을 보강하고, 구조적 오류를 줄이는 post-processing을 변화탐지 안정성으로 연결하는 연구를 수행하고 있습니다.

활용 가능성

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

국가 디지털 지도 품질검사 자동화
건물 객체 단위 경계 정밀 추출
도심 변화유형 분류 자동화
인접 건물 병합 오류 저감
건물 속성 DB 갱신 보조
지도 검증용 오류 후보 선별
경계 신뢰도 기반 학습 데이터 정제
다중시점 변화 대응 안정화
도시 모니터링 리포팅 자동생성
고해상도 영상 라벨 품질 향상