SAR 데이터의 레이블 요구사항을 줄이기 위한 대규모 마스크드 오토인코딩
대규모 SAR 데이터에 대한 마스크드 오토인코딩 사전학습을 통해 하류 작업의 레이블 요구사항을 크게 줄일 수 있으며, 특히 사전학습 세트 외부 지역에서 성능 향상이 두드러짐.
위성 영상 세그멘테이션 성능 향상을 위한 다중 Sentinel-2 관측 활용
다중 시간 관측 정보를 활용하여 위성 영상 세그멘테이션 성능을 크게 향상시킬 수 있다.
원격 탐사 변화 설명을 위한 대규모 멀티모달 모델: CDChat
CDChat은 원격 탐사 이미지 간 변화를 효과적으로 설명할 수 있는 대규모 멀티모달 모델이다.
광학 위성 영상과 BRDF 모델링을 활용한 신경 방사 필드
광학 위성 영상과 BRDF 모델링을 결합하여 복잡한 지표면의 반사 특성을 효과적으로 모델링하고, 이를 통해 고품질의 디지털 표면 모델을 생성할 수 있다.
제한된 데이터로 원격 탐사에서 일반화된 Few-Shot 의미 분할 과제와 벤치마크
이 연구는 원격 탐사 분야에서 일반화된 Few-Shot 의미 분할 과제와 벤치마크를 제안한다. 이를 통해 제한된 레이블 데이터에서 학습하는 딥러닝 모델의 성능을 향상시키고자 한다.
다양한 지역에서의 작물 유형 매핑을 위한 기반 모델의 일반화 가능성 연구
다양한 지역에서 작물 유형 매핑을 위한 기반 모델의 일반화 가능성을 연구하였다. 기반 모델 중 Sentinel-2 영상에 특화된 SSL4EO-S12가 가장 우수한 성능을 보였으며, 제한된 지역 데이터에서 OOD 데이터를 활용하는 것이 효과적임을 확인하였다.
원격 탐사 변화 분석을 위한 다중 모달 지시 튜닝 기반의 대화형 모델 ChangeChat
ChangeChat은 다중 모달 지시 튜닝을 통해 변화 캡셔닝, 카테고리별 변화 정량화, 변화 위치 특정화 등 다양한 원격 탐사 변화 분석 작업을 수행할 수 있는 대화형 모델이다.
고해상도 위성 영상을 위한 대기 보정 통합 LULC 분할 모델
고해상도 다분광 위성 영상의 대기 보정을 통해 지표면 반사율을 정확하게 추출하고, 이를 활용한 반지도 학습 기반 LULC 분할 모델의 성능 향상
10미터 해상도의 Sentinel 데이터를 기반으로 건물 높이 추정하기
Sentinel-1/2 데이터와 건물 윤곽선 데이터를 결합하여 10미터 해상도의 건물 높이 추정 모델을 개발하고, 이를 통해 미국 내 주요 지역의 건물 높이 분포를 분석하였다.
위성 영상에서 텍스처를 활용한 산림과 비산림 식생의 구분
위성 영상 데이터에서 텍스처 특징과 NDVI 비율을 활용하여 산림 지역을 정확하게 분류할 수 있는 정적 알고리즘을 제안한다.
© 2024 by Linnk AI