인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
합성 개구 레이더(Synthetic Aperture Radar, SAR) 영상은 구름이나 주야 주기와 같은 환경 및 시간적 조건에 영향을 받지 않고 안정적으로 영상을 제공한다는 장점이 있다. 하지만 합성 개구 레이더 영상이 지닌 고유한 잡음과 독특한 구조적 패턴은, 특히 비전문가들에게 영상 해석을 어렵게 만든다. 따라서 최근 합성 개구 레이더 영상을 광학 영상으로 변환하는 기술이 등장하여, 합성 개구 레이더 영상을 보다 직관적으로 해석할 수 있도록 돕고 있다. 하지만 기존의 생성 기반 변환 기법들은 주로 픽셀 단위의 단순 재구성에 의존하여 생성된 이미지의 지리적 맥락 이해가 부족하다는 한계가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 '스펙트럼 마스킹 확산 변환기(Spectral Masked Diffusion Transformer, SMDT)'를 제안한다. 제안된 방법은 광학 영상의 스펙트럼 마스킹 재구성 학습을 확산 기반 생성형 모델에 적용하여 지리적 맥락을 더욱 잘 이해할 수 있도록 하여 합성 개구 레이더로 영상으로부터 광학 영상으로의 정확한 변환을 수행한다. 특히, 합성 개구 레이더 영상은 저주파 영역에 풍부한 맥락 정보를 포함하고 있으므로, SMDT는 저주파 성분 재구성을 중점적으로 수행한다. 본 연구는 세 가지 벤치마크 데이터 셋(QXS-SAROPT, SAR2Opt, SpaceNet6)을 활용한 실험을 통해 최첨단(state-of-the-art)의 성능을 달성하였으며, SMDT의 우수성을 검증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094838583
