원격 감지 영상에서 건물과 도로 정보를 동시에 추출하여 상호 보완적인 관계를 활용함으로써 양쪽 작업의 정확도를 향상시킬 수 있다.
제안된 Change-Agent는 다중 수준 변화 해석 모델과 대형 언어 모델을 통해 사용자 요구에 따라 포괄적이고 통찰력 있는 변화 해석 및 분석을 수행할 수 있다.
본 연구는 원격 감지 영상에서 방향성 객체를 정확하게 탐지하기 위해 기억력 있는 대조 학습 기반의 새로운 접근법을 제안한다. 이를 통해 제한된 학습 데이터에서도 우수한 성능을 달성할 수 있다.
원격 감지 영상에서 CLIP 활성화 학생-교사 상호 학습 프레임워크를 통해 기존 범주를 넘어선 객체를 효과적으로 탐지할 수 있다.